首 页   本刊简介  编委会  审稿专家  在线期刊  写作规范  广告合作  联系我们
您现在的位置:首页 => >写作规范 > 统计学知识 >
常用回归模型—多重线性回归和Logistic回归及Cox回归的联系与区别
文章发布日期:2019-08-22   来源:临床流行病学和循证医学  作者:  点击次数:159次

 
调整字体大小:


       如何区分常见的回归模型呢?在什么情况下,应该用什么回归模型呢? 本文将汇总分析三种最常用回归模型:多重线性回归、Logistic回归、Cox回归,更直接比较它们间最基本的联系与区别。
   三者联系: 
  它们都属于回归分析,目的都在于探讨多个自变量对因变量的影响,且自变量具有共同属性——自变量均为多个,可以为连续变量、等级变量和分类变量,其中,分类变量需转换为哑变量进行处理,等级变量按连续变量或哑变量进行处理。
   三者区别: 
  1、多重线性回归:用于寻找连续性因变量数值随多个自变量变化而变化的直线趋势;强调因变量为连续变量。如研究肺癌患者某肿瘤标记物的水平(连续变量)是否受年龄、性别、吸烟与否及数量等自变量的影响。操作流程为:

 
  2、Logistic回归:用于分析分类变量(或等级变量)和一些影响因素之间的关系,由于因变量非连续变量,与自变量间失去了线性关系的可能性,于是经过Logit变化,将模型转换为线性关系;强调因变量为分类变量或等级变量。如研究肺癌患病与否(二分类变量)是否受年龄、性别、吸烟与否及数量等自变量的影响。以二分类Logistic回归为例,操作流程为:

 
  3、Cox回归:用于研究多个因素对结局事件的影响;因变量与二分类Logistic回归相似,唯一的区别在于Cox回归的因变量引入了时间因素。如分析肺癌生存时间(二分类变量,含时间因素)是否受年龄、性别、吸烟与否及数量等自变量的影响。操作流程为:
 
 
  可见,三种常用的回归模型有着某些相同点,也由于因变量的情况不同而适用于不同的数据。
地址:长春市东民主大街519号《临床肝胆病杂志》编辑部 邮编:130061 电话:0431-88782542/3542
临床肝胆病杂志 版权所有 Copyright © 2009 - 2013 Lcgdbzz.org. All Rights Reserv 吉ICP备10000617号

吉公网安备 22010402000041号