来源:职业病网2020/5/9 15:43:37
浏览:(683) 评论:(0)
寻求一个二分类变量对另一个或一组变量X1,X2...Xm的数量依存关系的分析方法。
Logistic 回归
寻求一个二分类变量对另一个或一组变量X1,X2...Xm的数量依存关系的分析方法。设对X,X....,Xm,Y做n次独立观测,应变量Y=1表示“事件发生”,Y=0表示“事件不发生”,记Y=1的概率P(Y=1)为P,Y=0的概率P(Y=0)为1-P,
有
In(_)=bo+b1x1+...+bmxm
由此得
1-P=1+exp(bo+bx1+...+bmxm)
这是数学上的一种Logistic曲线,故称由模型(1)描述的P与原因变量间回归关系为Logistic线性回归;模型(2)为Logistic非线性回归。
Logistic回归模型从数理角度可分为条件概率模型和非条件概率模型;从流行病学调查设计与分析角度分为配对模型和成组模型。条件概率模型常应用于配对设计资料分析,非条件概率模型常应用于成组设计资料分析。
Logistic回归主要用于解决以下问题:1.在疾病病因的多因素分析中,从众多危险因素中筛选关系较密切的因素;2.校正混杂因素;3.预测某事件发生的概率,以此进行判别;4.流行病学研究中的相对危险度(RR)、比数(odds)、比数比(OR)等与Logistic回归模型有密切关系。
RR=P(1)
odds=exp[bo+<ERR>bx)
OR=expl≥b,(xv-xo)]
文献下载:Logistic 回归.docx
相关阅读:Kappa的假设检验与Kappa统计量
凡本网注明“来源:职业病网”的所有作品,转载请注明“来源:职业病网”。
凡本网注明“来源:XXX(非职业病网)”的作品,均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。
如因作品内容、版权和其它问题需要同本网联系的,请在相关作品刊发之日起30日内进行。
下一篇:Poisson分布
延伸阅读
发表评论:
评论