logistic回归_条件logistic回归分析

本文介绍了条件logistic回归与非条件logistic回归的区别,强调条件logistic回归主要用于配对或分层资料的多因素分析,而非条件logistic回归适用于独立组间的比较。通过一个1:1配对的病例对照研究案例,展示了条件logistic回归在分析高血压发病与生活方式的关系,并提供了SAS编程实现步骤,结果显示睡眠质量与高血压发病显著相关。
1e7af2626bbed086fdf148f0816ff5d9.gif

Logistic回归应该说是我们日常生活中应用最多的分析方法啦,只要是多因素分析方法,很多情况都会使用logistic回归,logistic回归分为条件logistic和非条件logistic,我们日常生活中应用较多的应该是非条件logistic回归分析,而对于条件logistic回归应用较少,小编也很少遇到条件logistic回归分析,要不是前一阵子一个小伙伴咨询我,我对条件logistic回归也是比较陌生的。本期小编就给大家介绍一下条件logistic回归。

一、条件logistic回归与非条件logistic回归的区别

1.条件logistic回归又称配对logistic回归,其主要用于配对资料或分层资料的多因素分析,包括1:1配对资料,1:M配对资料

:配对资料来源于配对设计,将起始条件(匹配因素)一致的两个试验个体配成对,可设多个配对,每对个体分别随机地给予不同处理,则所得的结果即为配对资料。

2.非条件logistic回归又称成组logistic回归,其主要用于非配对资料的,即独立的组之间比较的多因素分析。

二、应用实例

如调查高血压发病(0=无高血压,1=高血压)和三种生活方式(睡眠状况(好=0,一般=1,不好=2)、身体情况(好=0,一般=1,不好=2)、锻炼情况(经常锻炼=0,偶尔=1,不锻炼=2))的关系。采用1:1配对的病例对照研究形式,根据性别、年龄作为匹配因素,选取健康对照,本次研究共选取30对病例健康对照。数据整理如下。这里的group实际是指一个配对组。Hypertension是因变

评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值