logistic回归由浅入深指南
2012-04-29 MedSci MedSci原创
多重线性回归的因变量y是连续型变量，自变量可以是连续的，也可以是分类的。但是现实中，因变量不一定都是连续的，还有其他分类的情形。比如想分析某病的危险因素，这时因变量就无法用连续资料来表示，而是表示为疾病的“有”或“无”两种情形。在这种情况下，用多重线性回归就不合适了， 而logistic回归则是处理这种数据的得力工具。 logistic回归主要在流行病学中应用较多，比较常用的情形是探索某疾病的危
多重线性回归的因变量y是连续型变量，自变量可以是连续的，也可以是分类的。但是现实中，因变量不一定都是连续的，还有其他分类的情形。比如想分析某病的危险因素，这时因变量就无法用连续资料来表示，而是表示为疾病的“有”或“无”两种情形。在这种情况下，用多重线性回归就不合适了， 而logistic回归则是处理这种数据的得力工具。 logistic回归主要在流行病学中应用较多，比较常用的情形是探索某疾病的危险因素，根据危险因素预测某疾病发生的概率，等等。例如，想探讨胃癌发生的危险因素，可以选择两组人群，一组是胃癌组，一组是非胃癌组，两组人群肯定有不同的体征和生活方式等。这里的因变量就是是否胃癌，即“是”或 “否”，为两分类变量，自变量就可以包括很多了，例如年龄、性别、饮食习惯、幽门螺杆菌感染等。自变量既可以是连续的，也可以是分类的。通过 logistic回归分析，就可以大致了解到底哪些因素是胃癌的危险因素。 logistic回归与多重线性回归实际上有很多相同之处，最大的区别就在于他们的因变量不同，其他的基本都差不多，正是因为如此，这两种回归可以归于同一个家族，即广义线性模型（generalized
作者：MedSci
版权声明：
本网站所有注明“来源：梅斯医学”或“来源：MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明“来源：梅斯医学”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
小提示：本篇资讯需要登录阅读，点击跳转登录
高手啊，虽然没怎么看明白
118
感谢作者对独立预后因子概念的阐述！
99
感谢分享
122
#logistic回归#
24
useful
164