靓号网站开发,专业简历制作注意事项,如何创立网站,爱站网反链查询Logistic回归在医学科研、特别是观察性研究领域#xff0c;无论是现况调查、病例对照研究、还是队列研究中都是大家经常用到的统计方法#xff0c;而在影响因素研究筛选自变量时#xff0c;大家习惯性用的比较多的还是先单后多#xff0c;P#xff1c;0.05纳入多因素研究无论是现况调查、病例对照研究、还是队列研究中都是大家经常用到的统计方法而在影响因素研究筛选自变量时大家习惯性用的比较多的还是先单后多P0.05纳入多因素研究很少用逐步回归法有些同学可能听过但是了解也不多这里先简单介绍一下。 那么什么时候推荐用逐步回归呢有以下2种情况可以考虑使用 ①构建预测模型时候就放心大胆的用。其他场景一般不建议用逐步回归法。 ②探索性研究、探讨多个影响因素时候选的影响因素实在太多单因素分析后P值0.05者仍然超过10个或者样本量不大。 逐步回归法的原理听上去很复杂但是用R语言几行代码也可以搞定只是R语言需要一定的代码基础一时半会儿也无法学会因此这里结合实操案例为大家介绍一个智能在线免费统计分析平台——风暴统计。 一、实操数据介绍 这里我们使用的是R语言自带数据集MASS中的birthwtbirthwt是一份与婴儿出生体重低相关的危险因素数据其中包含的变量见下表根据研究设计以“low”作为结局变量。 二、风暴统计智能在线免费平台复现 目前风暴统计平台可以非常快速准确的完成logistic回归只需2步! 选入回归自变量选择自变量筛选方式 全部是菜单式操作完成后界面直接给出规范三线表结果还可以随着变量的调整实时更新结果在数据探索初期可以节省不少工作量在撰写报告时也不用再手工绘制三线表填写数据了统计小白也可以轻松上手 1.logistic回归自变量选择 首先选入变量包括因变量、定量自变量、分类自变量。 ①因变量 这里因变量建议使用0和1进行表示0代表阴性结局如未患病、二分类变量中值较小的组1代表阳性结局如患病或二分类结局中值较大的组)。 ②定量自变量 平台会将分类数大于5的变量自动归为定量自变量并在选取定量自变量时优先显示在上方便于选取。 ③分类自变量 同理分类数小于5类的变量归入分类变量在选取变量时优先显示分类变量。 接着选择自变量的筛选方式包括先单后多法、逐步回归法。 2.选择自变量筛选方式 根据研究需要如果需要开展先单后多的自变量筛选方式那么“是否开展逐步回归分析”选择“否”。P阈值自行选择如果自变量个数过少可以适当放宽标准0.1、0.2也都是可以的。当选择不限制时选入的全部自变量都将纳入多因素回归分析。 如果需要选择逐步回归法平台也提供了多种选择双向逐步回归向前逐步回归向后逐步回归以及考虑到有时P值大于0.05的变量在逐步回归时也会留在模型中新增了根据P0.05的原则开展逐步回归 这里我们选择单因素P0.05的变量进入多因素开展逐步回归。 3.下载结果 平台给出了多种结果展示仅展示单因素回归结果仅展示多因素回归结果单因素多因素显示在同一个表格中! 然后也可以选择小数位数默认情况下P值为3位小数其他统计量为2位小数。 指定小数位数后P值与统计量的小数位数将会统一。调整完成后下载最终的三线表结果平台支持下载excel或word 三、R语言软件复现 这里采用autoReg包autoReg包是一款功能十分强大的R包不仅可以快捷完成基线表的制作还可以直接一行代码输出回归分析支持线性模型、广义线性模型和比例风险模型的表格。 1.logistic回归模型构建 使用glm() 函数构建回归模型glm(y~x1x2x3x4x......,data数据集名familybinomial)指定因变量与自变量设置数据集名。 logfit-glm(low ~ age lwt race smoke ptd ht ui ftv,databwt,family binomial)
summary(logfit) 此处参数family规定了回归模型的类型familybinomial指适用于二元离散因变量(binary)。 2.逐步回归法 autoReg逐步回归法的参数就是FinalT 还是FFinalT 提供逐步回归分析结果。另外还有threshold设定P值来挑选单因素分析的变量开展多因素回归。 logreg4-autoReg(logfit,uniTRUE,threshold0.05, finalT) #finalT逐步回归
logreg4
logtable4-myft(logreg4) 四、总结 通过对比风暴统计与R语言先单后多的分析结果完全一致风暴统计对于P值还有单独成列结果更加清晰直观这也是由于平台的构建依托于R代码进行分析。同时结果输出更加快捷迅速大家进行统计分析时不妨试一试
