如何用SPSS做logistic回归分析_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
如何用SPSS做logistic回归分析
上传于|0|0|暂无简介
阅读已结束，如果下载本文需要使用0下载券
想免费下载更多文档？
定制HR最喜欢的简历
下载文档到电脑，查找使用更方便
还剩10页未读，继续阅读
定制HR最喜欢的简历
你可能喜欢利用 SPSS 进行Logistic 回归分析（二元模型）入门
利用 SPSS 进行Logistic 回归分析现实中的很多现象可以划分为两种可能，或者归结为两种状态，这两种状态分别用0和1 表示。如果我们采用多个因素对0－1 表示的某种现象进行因果关系解释，就可能应用到logistic 回归。Logistic 回归分为二值logistic 回归和多值logistic 回归两类。首先用实例讲述二值logistic 回归，然后进一步说明多值logistic 回归。在阅读这部分内容之前，最好先看看有关SPSS 软件操作技术的教科书。&8.1 二值logistic 回归
8.1.1 数据准备和选项设置我们研究 2005 年影响中国各地区城市化水平的经济地理因素。城市化水平用城镇人口比重表征，影响因素包括人均GDP、第二产业产值比重、第三产业产值比重以及地理位置。地理位置为名义变量，中国各地区被分别划分到三大地带：东部地带、中部地带和西部地带。我们用各地区的地带分类代表地理位置。第一步：整理原始数据。这些数据不妨录入Excel 中。数据整理内容包括两个方面：一是对各地区按照三大地带的分类结果赋值，用0、1 表示，二是将城镇人口比重转换逻辑值，变量名称为&城市化&。以各地区2005 年城镇人口比重的平均值45.41%为临界值，凡是城镇人口比重大于等于45.41%的地区，逻辑值用Yes 表示，否则用No 表示（图8-1-1）
图 8-1-1 原始数据（Excel 中，局部）将数据拷贝或者导入 SPSS 的数据窗口（Data View）中（图8-1-2）。
图 8-1-2 中国31 个地区的数据（SPSS 中，局部）第二步：打开&聚类分析&对话框。沿着主菜单的&Analyze&Regression&Binary LogisticK&的路径（图8-1-3）打开二值Logistic 回归分析选项框（图8-1-4）。
图 8-1-3 打开二值Logistic 回归分析对话框的路径对数据进行多次拟合试验，结果表明，像二产比重、三产比重等对城市化水平影响不显著。至于反映地区位置的分类变量，不宜一次性的全部引入，至多引入两个，比方说东部和中部。通过尝试，发现引入中部地带为变量比较合适。因此，为了实例的典型性，我们采用两个变量作为自变量：一是数值变量人均GDP，二是分类变量中部地带。
图 8-1-4 Logistic 回归分析选项框第三步：选项设置。首先，在源变量框中选中需要进行分析的变量，点击右边的箭头符号，将需要的变量调入Dependent（因变量）和Covariates（协变量）列表框中（图8-1-5）。在本例中，将名义变量&城市化&调入Dependent（因变量）列表框，将&人均GDP&和&中部&调入Covariates（协变量）列表框中。在 Method（方法）一栏有七个选项。采用第一种方法，即系统默认的强迫回归方法（Enter）。
图 8-1-5 Logistic 回归分析的初步设置接下来进行如下 4 项设置：⒈ 设置 Categorical（分类）选项：定义分类变量（图8-1-6）。将中部调入 Categorical Covariates（分类协变量）列表框，其余选项取默认值即可。完成后，点击Continue 继续。
图 8-1-6 定义分类变量选项⒉ 设置 Save（保存）选项：决定保存到Data View 的计算结果（图8-1-7）。选中 Leverage values、Df
分享这篇日志的人也喜欢
新人宝宝求支持
亲亲，抱抱，举高高
热门日志推荐
人人最热标签
北京千橡网景科技发展有限公司：
文网文[号··京公网安备号·甲测资字
文化部监督电子邮箱：wlwh@··
文明办网文明上网举报电话： 举报邮箱：&&&&&&&&&&&&
请输入手机号，完成注册
请输入验证码
密码必须由6-20个字符组成
下载人人客户端
品评校花校草，体验校园广场关注今日：8 | 主题：186620
微信扫一扫
扫一扫，下载丁香园 App
即送15丁当
如何在SPSS中进行条件Logistic回归分析，
页码直达：
这个帖子发布于10年零125天前，其中的信息可能已发生改变或有所发展。
如何在SPSS中进行条件Logistic回归分析，很多书上只介绍了 非条件Logistic回归分析
不知道邀请谁？试试他们
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
收起全部有料回复
Spss电脑实验－第八节(4)对照调查比较 — 配对调查资料的条件 Logistic 回归分析Ⅳ．对照调查比较 — 配对调查资料的条件 Logistic 回归分析1. 1:1 病例对照研究的基本概念在管理工作中，我们也经常要开展对照调查。例如为什么有的人患了胃癌，有的人却不会患胃癌？如果在同一居住地选取同性别、年龄相差仅 ±2 岁的健康人作对照调查，调查他们与患胃癌有关的各种影响因素，这就是医学上很常用的所谓“1:1 病例对照研究”。病例对照研究资料常用条件Logistic 回归分析。条件Logistic 回归模型（conditional logistic regression model,CLRM)，下称CLRM 模型。2. 条件Logistic 回归模型的一个实例某地在肿瘤防治健康教育、社区干预工作中做了一项调查，内容是三种生活因素与胃癌发病的关系。调查的三种生活因素取值见表 11-6。请拟合条件Logistic 回归模型，说明胃癌发病的主要危险因素。表 11-6 三种生活因素与胃癌发病关系的取值------------------------------------------------------------------------------------------变 量 名 取 值 范 围------------------------------------------------------------------------------------------X1 (不良生活习惯) 0，1，2，3，4 表示程度（0 表示无，4 表示很多）X2 (喜吃卤食和盐腌食物) 0，1，2，3，4 表示程度（0 表示不吃，4 表示喜欢吃、吃很多）X3 (精神状况) 0 表示差，1 表示好------------------------------------------------------------------------------------------表 11-7 50 对胃癌病例（S=1）与对照（S=0）三种生活习惯调查结果------------------------------------------------------------------------------------------病例 对照 病例 对照-----------------------------------------------------------------------------No S X1 X2 X3 No S X1 X2 X3 No S X1 X2 X3 No S X1 X2 X3------------------------------------------------------------------------------------------1 1 2 4 0 1 0 3 1 0 26 1 2 2 0 26 0 1 1 02 1 3 2 1 2 0 0 1 0 27 1 2 0 1 27 0 0 2 13 1 3 0 0 3 0 2 0 1 28 1 1 1 1 28 0 3 0 14 1 3 0 0 4 0 2 0 1 29 1 2 0 1 29 0 4 0 05 1 3 0 1 5 0 0 0 0 30 1 3 1 0 30 0 0 2 16 1 2 2 0 6 0 0 1 0 31 1 1 0 1 31 0 0 0 07 1 3 1 0 7 0 2 1 0 32 1 4 2 1 32 0 1 0 18 1 3 0 0 8 0 2 0 0 33 1 4 0 1 33 0 2 0 19 1 2 2 0 9 0 1 0 1 34 1 2 0 1 34 0 0 0 110 1 1 0 0 10 0 2 0 0 35 1 1 2 0 35 0 2 0 111 1 3 0 0 11 0 0 1 1 36 1 2 0 0 36 0 2 0 112 1 3 4 0 12 0 3 2 0 37 1 0 1 1 37 0 1 1 013 1 1 1 1 13 0 2 0 0 38 1 0 0 1 38 0 4 0 014 1 2 2 1 14 0 0 2 1 39 1 3 0 1 39 0 0 1 015 1 2 3 0 15 0 2 0 0 40 1 2 0 1 40 0 3 0 116 1 2 4 1 16 0 0 0 1 41 1 2 0 0 41 0 1 0 117 1 1 1 0 17 0 0 1 1 42 1 3 0 1 42 0 0 0 118 1 1 3 1 18 0 0 0 1 43 1 2 1 1 43 0 0 0 019 1 3 4 1 19 0 2 0 0 44 1 2 0 1 44 0 1 0 020 1 0 2 0 20 0 0 0 0 45 1 1 1 1 45 0 0 0 121 1 3 2 1 21 0 3 1 0 46 1 0 1 1 46 0 0 0 022 1 1 0 0 22 0 2 0 1 47 1 2 1 0 47 0 0 0 023 1 3 0 0 23 0 2 2 0 48 1 2 0 1 48 0 1 1 024 1 1 1 1 24 0 0 1 1 49 1 1 2 1 49 0 0 0 125 1 1 2 0 25 0 2 0 0 50 1 2 0 1 50 0 0 3 1-------------------------------------------------------------------------------------------3. 条件Logistic 回归模型的拟合原理与方法本例以 SPSS 软件包来拟合 CLRM 模型。SPSS 虽有一个 LOGISTIC REGRESSION 命令，却无法拟合条件 Logistic模型(CLRM)，但有拟合 Cox 回归模型的固有命令（COXREG）。 回顾一下Cox 回归模型的公式：h (t,X) = h0(t) exp (X1 β1 + X2 β2 + ...+ Xp βp)将两侧同时取对数可得：LN(h(t,X)) = LN (h0(t)) + (X1 β1 + X2 β2 + ...+ Xp βp)如果是含有分层变量的Cox 回归模型, 则公式变为：Spss电脑实验－第八节(4)对照调查比较 — 配对调查资料的条件 Logistic ... 页码，1/3 LN(h(t,X)) = LN (h0i(t)) + (X1 β1 + X2 β2 + ...+ Xp βp)各层的基线风险函数h0i(t) 可以完全无关，而协变量的系数则在所有层中保持不变。作为半参数的方法，Cox 模型在拟合时并不估计基线风险函数h0i(t)，只估计各协变量的系数值β。这则与条件 Logistic 回归模型不关心αi 的大小，只解出系数值β的思路一致。而且两者都以最大似然法（LR）来拟合。把配对因素作为分层因素，即可消除配对因素的作用，因此可用分层变量控制法的原理，来拟合条件 Logistic 回归模型。在使用SPSS的COXREG 命令拟合条件 Logistic 模型时（Analyze → Survival → Cox Regression），要回答下列5个对话框：① Time: 给每行记录一个虚拟的生存时间（Time)，一般默认“病例” 生存时间短（例如为“1”），“对照” 生存时间长（例如为“2”）。只要“对照” 的生存时间（例如“2”～“100”）长于“病例”即可。因为SPSS 会把在最短的完全数据的生存时间之前的截尾数据（Censored）全部去掉而不参加分析。输出分层状态时，Event=“1”；Censored= “2”。② Status 与 Define Event: 选入虚拟生存状态变量。定义事件时“病例”全为“1”（Single value），为完全数据；“对照” 全“0”，为截尾数据。此值“1”表示事件已发生，本例即“病例”。③ Covariates: 选入要进行分析的协变量（即自变量 X1，X2，X3）。④ Method: 用 FSTEP（LR），即似然比法。⑤ Strata: 录入配对的对子号，“1”指第1 个对子（含“病例”为“1”一行与“对照” 者为“0”一行）；“2”指第2 个对子。本例指变量“No”。4. 拟合条件Logistic 回归模型所用程序文件所用程序文件名为 CondLogiRegre.sps。*Conditional Logistic R filename: CondLogiRegre.sps.*---------------------------------------------------------------.*Fang Ji-Qian: Med. Stat. and Computer Experiment, P.492:.* Using COX-Regression to fit Conditional Logistic Regression:.DATA LIST FREE /No Status Time x1 x2 x3.BEGIN DATA.1 1 1 2 4 0 1 0 2 3 1 0 2 1 1 3 2 1 2 0 2 0 1 03 1 1 3 0 0 3 0 2 2 0 1 4 1 1 3 0 0 4 0 2 2 0 15 1 1 3 0 1 5 0 2 0 0 0 6 1 1 2 2 0 6 0 2 0 1 07 1 1 3 1 0 7 0 2 2 1 0 8 1 1 3 0 0 8 0 2 2 0 09 1 1 2 2 0 9 0 2 1 0 1 10 1 1 1 0 0 10 0 2 2 0 011 1 1 3 0 0 11 0 2 0 1 1 12 1 1 3 4 0 12 0 2 3 2 013 1 1 1 1 1 13 0 2 2 0 0 14 1 1 2 2 1 14 0 2 0 2 115 1 1 2 3 0 15 0 2 2 0 0 16 1 1 2 4 1 16 0 2 0 0 117 1 1 1 1 0 17 0 2 0 1 1 18 1 1 1 3 1 18 0 2 0 0 119 1 1 3 4 1 19 0 2 2 0 0 20 1 1 0 2 0 20 0 2 0 0 021 1 1 3 2 1 21 0 2 3 1 0 22 1 1 1 0 0 22 0 2 2 0 123 1 1 3 0 0 23 0 2 2 2 0 24 1 1 1 1 1 24 0 2 0 1 125 1 1 1 2 0 25 0 2 2 0 0 26 1 1 2 2 0 26 0 2 1 1 027 1 1 2 0 1 27 0 2 0 2 1 28 1 1 1 1 1 28 0 2 3 0 129 1 1 2 0 1 29 0 2 4 0 0 30 1 1 3 1 0 30 0 2 0 2 131 1 1 1 0 1 31 0 2 0 0 0 32 1 1 4 2 1 32 0 2 1 0 133 1 1 4 0 1 33 0 2 2 0 1 34 1 1 2 0 1 34 0 2 0 0 135 1 1 1 2 0 35 0 2 2 0 1 36 1 1 2 0 0 36 0 2 2 0 137 1 1 0 1 1 37 0 2 1 1 0 38 1 1 0 0 1 38 0 2 4 0 039 1 1 3 0 1 39 0 2 0 1 0 40 1 1 2 0 1 40 0 2 3 0 141 1 1 2 0 0 41 0 2 1 0 1 42 1 1 3 0 1 42 0 2 0 0 143 1 1 2 1 1 43 0 2 0 0 0 44 1 1 2 0 1 44 0 2 1 0 045 1 1 1 1 1 45 0 2 0 0 1 46 1 1 0 1 1 46 0 2 0 0 047 1 1 2 1 0 47 0 2 0 0 0 48 1 1 2 0 1 48 0 2 1 1 049 1 1 1 2 1 49 0 2 0 0 1 50 1 1 2 0 1 50 0 2 0 3 1END DATA.LIST VARIABLES=ALL /FORMAT=NUMBERED /CASES=FROM 1 TO 50.* When programing:.* Status: Case=1; Control=0.* Time: Case=1; Control=2, that is,the survival time of Control should longer than Case.* Define Event: Single value: 1 means Case.* Covariate: Inpute the independence variables.* Method: ENTER, FSTEP, BSTEP, etc.* Strata: The No. of per pairs, that is,No.COXREG Time /STATUS=Status(1)/STRATA=No/METHOD=FSTEP(LR) X1 X2 X3/PRINT=DEFAULT CI(95)/CRITERIA=PIN(0.05) POUT(0.1) ITERATE(20).*--------------------------------------------------------------------------.5. 拟合条件Logistic 回归模型的主要运算结果运行程序文件 CondLogiRegre.sps 可得到下列主要结果：Variables in the EquationB SE Wald df Sig. Exp(B) 95.0% CI for Exp(B)Lower UpperStep 1 X1 0.659 0.220 8.973 1 0.003 1.932 1.256 2.973Step 2 X1 0.785 0.257 9.351 1 0.002 2.193 1.326 3.629X2 0.814 0.307 7.042 1 0.008 2.257 1.237 4.118回归系数 B 表示病例与对照变量值之差与患病优势的关系，即 Exp(B) 表示病例与对照暴露水平相差 1 个单位时患病的比数比（Odd Ratio, OR）。从表中可见，X3（精神状况）未被引入回归模型，只引入影响因素 X1 与 X2,说明精神状况的好坏与胃癌发病无显著相关，而 X1 (不良生活习惯) 和X2 (喜吃卤食和盐腌食物)与患胃癌有较密切的关系。注意：X1 与 X2 的回归系数 B 都是正值（前者为0.785,后者为0.814），OR 值都大于 1（前者 Exp(B) = OR = 2.193,后者 Exp(B) = OR = 2.257），而且都有统计学显著性（前者 Sig.= P = 0.002,后者 P = 0.008）。说明不良生活习惯、喜吃卤食和盐腌食物会增加胃癌发病机会；而且不良生活习惯越多、卤食和盐腌食物吃得越多，胃癌发病的机会就越大
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
Spss电脑实验－第八节(4)对照调查比较 — 配对调查资料的条件 Logistic 回归分析Ⅳ．对照调查比较 — 配对调查资料的条件 Logistic 回归分析1. 1:1 病例对照研究的基本概念在管理工作中，我们也经常要开展对照调查。例如为什么有的人患了胃癌，有的人却不会患胃癌？如果在同一居住地选取同性别、年龄相差仅 ±2 岁的健康人作对照调查，调查他们与患胃癌有关的各种影响因素，这就是医学上很常用的所谓“1:1 病例对照研究”。病例对照研究资料常用条件Logistic 回归分析。条件Logistic 回归模型（conditional logistic regression model,CLRM)，下称CLRM 模型。2. 条件Logistic 回归模型的一个实例某地在肿瘤防治健康教育、社区干预工作中做了一项调查，内容是三种生活因素与胃癌发病的关系。调查的三种生活因素取值见表 11-6。请拟合条件Logistic 回归模型，说明胃癌发病的主要危险因素。表 11-6 三种生活因素与胃癌发病关系的取值------------------------------------------------------------------------------------------变 量 名 取 值 范 围------------------------------------------------------------------------------------------X1 (不良生活习惯) 0，1，2，3，4 表示程度（0 表示无，4 表示很多）X2 (喜吃卤食和盐腌食物) 0，1，2，3，4 表示程度（0 表示不吃，4 表示喜欢吃、吃很多）X3 (精神状况) 0 表示差，1 表示好------------------------------------------------------------------------------------------表 11-7 50 对胃癌病例（S=1）与对照（S=0）三种生活习惯调查结果------------------------------------------------------------------------------------------病例 对照 病例 对照-----------------------------------------------------------------------------No S X1 X2 X3 No S X1 X2 X3 No S X1 X2 X3 No S X1 X2 X3------------------------------------------------------------------------------------------1 1 2 4 0 1 0 3 1 0 26 1 2 2 0 26 0 1 1 02 1 3 2 1 2 0 0 1 0 27 1 2 0 1 27 0 0 2 13 1 3 0 0 3 0 2 0 1 28 1 1 1 1 28 0 3 0 14 1 3 0 0 4 0 2 0 1 29 1 2 0 1 29 0 4 0 05 1 3 0 1 5 0 0 0 0 30 1 3 1 0 30 0 0 2 16 1 2 2 0 6 0 0 1 0 31 1 1 0 1 31 0 0 0 07 1 3 1 0 7 0 2 1 0 32 1 4 2 1 32 0 1 0 18 1 3 0 0 8 0 2 0 0 33 1 4 0 1 33 0 2 0 19 1 2 2 0 9 0 1 0 1 34 1 2 0 1 34 0 0 0 110 1 1 0 0 10 0 2 0 0 35 1 1 2 0 35 0 2 0 111 1 3 0 0 11 0 0 1 1 36 1 2 0 0 36 0 2 0 112 1 3 4 0 12 0 3 2 0 37 1 0 1 1 37 0 1 1 013 1 1 1 1 13 0 2 0 0 38 1 0 0 1 38 0 4 0 014 1 2 2 1 14 0 0 2 1 39 1 3 0 1 39 0 0 1 015 1 2 3 0 15 0 2 0 0 40 1 2 0 1 40 0 3 0 116 1 2 4 1 16 0 0 0 1 41 1 2 0 0 41 0 1 0 117 1 1 1 0 17 0 0 1 1 42 1 3 0 1 42 0 0 0 118 1 1 3 1 18 0 0 0 1 43 1 2 1 1 43 0 0 0 019 1 3 4 1 19 0 2 0 0 44 1 2 0 1 44 0 1 0 020 1 0 2 0 20 0 0 0 0 45 1 1 1 1 45 0 0 0 121 1 3 2 1 21 0 3 1 0 46 1 0 1 1 46 0 0 0 022 1 1 0 0 22 0 2 0 1 47 1 2 1 0 47 0 0 0 023 1 3 0 0 23 0 2 2 0 48 1 2 0 1 48 0 1 1 024 1 1 1 1 24 0 0 1 1 49 1 1 2 1 49 0 0 0 125 1 1 2 0 25 0 2 0 0 50 1 2 0 1 50 0 0 3 1-------------------------------------------------------------------------------------------3. 条件Logistic 回归模型的拟合原理与方法本例以 SPSS 软件包来拟合 CLRM 模型。SPSS 虽有一个 LOGISTIC REGRESSION 命令，却无法拟合条件 Logistic模型(CLRM)，但有拟合 Cox 回归模型的固有命令（COXREG）。 回顾一下Cox 回归模型的公式：h (t,X) = h0(t) exp (X1 β1 + X2 β2 + ...+ Xp βp)将两侧同时取对数可得：LN(h(t,X)) = LN (h0(t)) + (X1 β1 + X2 β2 + ...+ Xp βp)如果是含有分层变量的Cox 回归模型, 则公式变为：Spss电脑实验－第八节(4)对照调查比较 — 配对调查资料的条件 Logistic ... 页码，1/3 LN(h(t,X)) = LN (h0i(t)) + (X1 β1 + X2 β2 + ...+ Xp βp)各层的基线风险函数h0i(t) 可以完全无关，而协变量的系数则在所有层中保持不变。作为半参数的方法，Cox 模型在拟合时并不估计基线风险函数h0i(t)，只估计各协变量的系数值β。这则与条件 Logistic 回归模型不关心αi 的大小，只解出系数值β的思路一致。而且两者都以最大似然法（LR）来拟合。把配对因素作为分层因素，即可消除配对因素的作用，因此可用分层变量控制法的原理，来拟合条件 Logistic 回归模型。在使用SPSS的COXREG 命令拟合条件 Logistic 模型时（Analyze → Survival → Cox Regression），要回答下列5个对话框：① Time: 给每行记录一个虚拟的生存时间（Time)，一般默认“病例” 生存时间短（例如为“1”），“对照” 生存时间长（例如为“2”）。只要“对照” 的生存时间（例如“2”～“100”）长于“病例”即可。因为SPSS 会把在最短的完全数据的生存时间之前的截尾数据（Censored）全部去掉而不参加分析。输出分层状态时，Event=“1”；Censored= “2”。② Status 与 Define Event: 选入虚拟生存状态变量。定义事件时“病例”全为“1”（Single value），为完全数据；“对照” 全“0”，为截尾数据。此值“1”表示事件已发生，本例即“病例”。③ Covariates: 选入要进行分析的协变量（即自变量 X1，X2，X3）。④ Method: 用 FSTEP（LR），即似然比法。⑤ Strata: 录入配对的对子号，“1”指第1 个对子（含“病例”为“1”一行与“对照” 者为“0”一行）；“2”指第2 个对子。本例指变量“No”。4. 拟合条件Logistic 回归模型所用程序文件所用程序文件名为 CondLogiRegre.sps。*Conditional Logistic R filename: CondLogiRegre.sps.*---------------------------------------------------------------.*Fang Ji-Qian: Med. Stat. and Computer Experiment, P.492:.* Using COX-Regression to fit Conditional Logistic Regression:.DATA LIST FREE /No Status Time x1 x2 x3.BEGIN DATA.1 1 1 2 4 0 1 0 2 3 1 0 2 1 1 3 2 1 2 0 2 0 1 03 1 1 3 0 0 3 0 2 2 0 1 4 1 1 3 0 0 4 0 2 2 0 15 1 1 3 0 1 5 0 2 0 0 0 6 1 1 2 2 0 6 0 2 0 1 07 1 1 3 1 0 7 0 2 2 1 0 8 1 1 3 0 0 8 0 2 2 0 09 1 1 2 2 0 9 0 2 1 0 1 10 1 1 1 0 0 10 0 2 2 0 011 1 1 3 0 0 11 0 2 0 1 1 12 1 1 3 4 0 12 0 2 3 2 013 1 1 1 1 1 13 0 2 2 0 0 14 1 1 2 2 1 14 0 2 0 2 115 1 1 2 3 0 15 0 2 2 0 0 16 1 1 2 4 1 16 0 2 0 0 117 1 1 1 1 0 17 0 2 0 1 1 18 1 1 1 3 1 18 0 2 0 0 119 1 1 3 4 1 19 0 2 2 0 0 20 1 1 0 2 0 20 0 2 0 0 021 1 1 3 2 1 21 0 2 3 1 0 22 1 1 1 0 0 22 0 2 2 0 123 1 1 3 0 0 23 0 2 2 2 0 24 1 1 1 1 1 24 0 2 0 1 125 1 1 1 2 0 25 0 2 2 0 0 26 1 1 2 2 0 26 0 2 1 1 027 1 1 2 0 1 27 0 2 0 2 1 28 1 1 1 1 1 28 0 2 3 0 129 1 1 2 0 1 29 0 2 4 0 0 30 1 1 3 1 0 30 0 2 0 2 131 1 1 1 0 1 31 0 2 0 0 0 32 1 1 4 2 1 32 0 2 1 0 133 1 1 4 0 1 33 0 2 2 0 1 34 1 1 2 0 1 34 0 2 0 0 135 1 1 1 2 0 35 0 2 2 0 1 36 1 1 2 0 0 36 0 2 2 0 137 1 1 0 1 1 37 0 2 1 1 0 38 1 1 0 0 1 38 0 2 4 0 039 1 1 3 0 1 39 0 2 0 1 0 40 1 1 2 0 1 40 0 2 3 0 141 1 1 2 0 0 41 0 2 1 0 1 42 1 1 3 0 1 42 0 2 0 0 143 1 1 2 1 1 43 0 2 0 0 0 44 1 1 2 0 1 44 0 2 1 0 045 1 1 1 1 1 45 0 2 0 0 1 46 1 1 0 1 1 46 0 2 0 0 047 1 1 2 1 0 47 0 2 0 0 0 48 1 1 2 0 1 48 0 2 1 1 049 1 1 1 2 1 49 0 2 0 0 1 50 1 1 2 0 1 50 0 2 0 3 1END DATA.LIST VARIABLES=ALL /FORMAT=NUMBERED /CASES=FROM 1 TO 50.* When programing:.* Status: Case=1; Control=0.* Time: Case=1; Control=2, that is,the survival time of Control should longer than Case.* Define Event: Single value: 1 means Case.* Covariate: Inpute the independence variables.* Method: ENTER, FSTEP, BSTEP, etc.* Strata: The No. of per pairs, that is,No.COXREG Time /STATUS=Status(1)/STRATA=No/METHOD=FSTEP(LR) X1 X2 X3/PRINT=DEFAULT CI(95)/CRITERIA=PIN(0.05) POUT(0.1) ITERATE(20).*--------------------------------------------------------------------------.5. 拟合条件Logistic 回归模型的主要运算结果运行程序文件 CondLogiRegre.sps 可得到下列主要结果：Variables in the EquationB SE Wald df Sig. Exp(B) 95.0% CI for Exp(B)Lower UpperStep 1 X1 0.659 0.220 8.973 1 0.003 1.932 1.256 2.973Step 2 X1 0.785 0.257 9.351 1 0.002 2.193 1.326 3.629X2 0.814 0.307 7.042 1 0.008 2.257 1.237 4.118回归系数 B 表示病例与对照变量值之差与患病优势的关系，即 Exp(B) 表示病例与对照暴露水平相差 1 个单位时患病的比数比（Odd Ratio, OR）。从表中可见，X3（精神状况）未被引入回归模型，只引入影响因素 X1 与 X2,说明精神状况的好坏与胃癌发病无显著相关，而 X1 (不良生活习惯) 和X2 (喜吃卤食和盐腌食物)与患胃癌有较密切的关系。注意：X1 与 X2 的回归系数 B 都是正值（前者为0.785,后者为0.814），OR 值都大于 1（前者 Exp(B) = OR = 2.193,后者 Exp(B) = OR = 2.257），而且都有统计学显著性（前者 Sig.= P = 0.002,后者 P = 0.008）。说明不良生活习惯、喜吃卤食和盐腌食物会增加胃癌发病机会；而且不良生活习惯越多、卤食和盐腌食物吃得越多，胃癌发病的机会就越大
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
谢谢新新手
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
我想问问 “Variable view“栏中共建几个函数呀？“num
x3 ”是这6个吗？那么输入数据时，按怎样顺序输入数据？不理解这句话： “录入配对的对子号，“1”指第1 个对子（含“病例”为“1”一行与“对照” 者为“0”行）”。是不是输入一组病例组再输入一组对照，还是输完病例组再输入对照，请说详细一些。谢谢！
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
请教：SPSS软件中条件Logistic 回归分析说清楚，谢谢！看了以上还不是很清楚。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
自己顶一下
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
SPSS软件中条件Logistic 回归分析，spss数据格式，下图为1:3配对设计
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
条件Logistic回归分析必须是配对资料吗？
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
yayaiiiiii SPSS软件中条件Logistic 回归分析，spss数据格式，下图为1:3配对设计条件Logistic回归分析必须是严格配对的吗？比如，我的资料是128对115的病例对照研究，可以用吗？
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
关于丁香园}