SPSS Logistic回归分析
用SPSS如何进行logistic回归分析
## Logistic回归分析在SPSS中的操作流程
### 1. 数据准备与变量设置
在进行Logistic回归分析前，需确保数据满足以下条件：
* **因变量**：应为二分类变量（如疾病发生/未发生、治疗有效/无效）。在SPSS中，通常将结局编码为0和1（例如，0=未发生，1=发生）。
* **自变量**：可为连续变量、二分类变量或多分类变量。对于多分类自变量（如种族、肿瘤分期），需在分析前将其设置为**哑变量**。
* **样本量**：根据现有指南，Logistic回归要求足够的样本量。一个常见的经验法则是每个自变量至少需要10-15个结局事件（即因变量=1的案例数）[7]。样本量不足可能导致模型不稳定或参数估计偏差。
### 2. 分析步骤
1. **路径**：依次点击 `分析(A)` -> `回归(R)` -> `二元Logistic...`。
2. **对话框设置**：
* **因变量**：将二分类结局变量选入“因变量(D)”框。
* **协变量**：将所有自变量（包括需要考察的暴露因素和需要控制的混杂因素）选入“协变量(C)”框。
* **方法**：在“方法(M)”下拉菜单中，选择自变量的筛选方法：
* **输入**：将所有选入的自变量强制纳入模型，不进行筛选[7]。
* **向前：条件** / **向后：条件**：基于条件参数估计进行向前或向后逐步回归。
* **向前：LR** / **向后：LR**：基于似然比检验进行向前或向后逐步回归。这是更常用的方法。
* **向前：Wald** / **向后：Wald**：基于Wald统计量进行逐步回归。
* **分类**：如果自变量中包含多分类变量（名义变量或有序变量），必须点击“分类(G)...”按钮，将其指定为“分类协变量”，并选择哑变量化的参照类别（通常为“第一个”或“最后一个”）。
* **保存**：可点击“保存(S)...”按钮，保存预测概率、残差等用于模型诊断。
* **选项**：可点击“选项(O)...”按钮，设置如“分类图”、“Hosmer-Lemeshow拟合优度”和“Exp(B)的CI”等。
### 3. 结果解读关键指标
运行分析后，需重点关注以下输出表格：
* **“块 1: 方法 = 输入/向前 LR 等”下的“模型系数的综合检验”**：用于判断整个模型是否有统计学意义（通常看“模型”行的显著性P值）。
* **“模型汇总”**：查看Cox & Snell R 方和Nagelkerke R 方，它们类似于线性回归中的R²，表示模型对变异的解释程度。
* **“Hosmer 和 Lemeshow 检验”**：用于检验模型拟合优度。**P > 0.05** 表示模型拟合良好。
* **“分类表”**：显示模型的预测准确率，包括敏感度、特异度和总正确率。
* **“方程中的变量”**：这是核心结果表，包含：
* **B**：回归系数。正值表示该因素是危险因素，负值表示保护因素。
* **S.E.**：标准误。
* **Wald**：Wald统计量。
* **df**：自由度。
* **Sig.**：P值，用于判断该自变量对结局的影响是否具有统计学意义（通常P < 0.05）。
* **Exp(B)**：即**比值比**。这是Logistic回归最重要的效应量指标[1]。它表示在其他变量不变的情况下，该自变量每增加一个单位（对于连续变量）或相对于参照组（对于分类变量），结局事件发生的**比值**所增加（Exp(B)>1）或减少（Exp(B)<1）的倍数。
* **Exp(B) 的 95% C.I.**：比值比的95%置信区间。如果区间不包含1，则说明该效应具有统计学意义。
### 4. 注意事项与高级应用
1. **模型假设检验**：
* **线性关系**：对于连续自变量，需检验其与logit转换后的因变量是否呈线性关系。可通过将连续变量的分箱形式与原始形式同时纳入模型进行比较，或使用**Box-Tidwell方法**检验[1]。
* **多重共线性**：自变量间不应存在高度相关性。可在“统计”选项中勾选“共线性诊断”，或在线性回归模块中检查方差膨胀因子。
2. **样本与设计**：
* **配对设计**：如果数据来自配对病例对照研究（如1:1配对），应使用**条件Logistic回归**进行分析，这在SPSS的“二元Logistic”中无法直接实现，通常需要借助其他模块或软件[1]。
* **竞争风险**：当存在多个互斥的终点事件时（如死于心血管病 vs. 死于癌症），标准Logistic回归或Cox回归可能产生偏倚，应考虑使用**竞争风险模型**[1]。
3. **其他回归模型选择**：
* 如果因变量是多分类（无序或有序），应使用**多项Logistic回归**或**有序Logistic回归**。
* 如果结局是罕见事件（发生率很低），可考虑**Poisson回归**，但其要求事件发生服从泊松分布[1]。
* 如果研究涉及时间-事件数据，则应使用**Cox比例风险回归**进行生存分析[1]。
---
**免责声明**：以上内容基于提供的文献证据进行方法学总结，旨在为临床研究设计提供参考。具体分析策略需结合研究目的、数据特征及专业统计知识进行确定，建议在专业生物统计学家指导下完成。
