本篇是NHANES Online 平台教程系列的第七章,主要讲解如何开展logistic回归。

Logistic回归方法模块包含的功能有:

下面我们就对各功能展开详细介绍。

感兴趣的同学可点击下方链接免费试用:

加权模块试用链接:

http://zs.medsta.cn/nhanes_weight/nhanes_weight_2.0.2.9.0_trial/

非模块试用链接:

http://zs.medsta.cn/nhanes_analysis/nhanes_analysis_2.0.2.9.0_trial/

在开始分析前,我们需要先导入数据选择对应的权重,具体操作步骤请看往期推文这边不再赘述。

01

logistic回归方法

首先,选入因变量与自变量。

需要注意的是,因变量必须为二分类,最好以1代表阳性事件(发生结局),0代表对照组(未发生结局)。如果以其他数字赋值,也可以在阳性事件和对照组中勾选对应的值。

PS:在进行分析时,我们还可以对分类变量进行正确的选择和设置。许多学员反馈,系统有时会将分类变量误识别为连续变量。在这种情况下,用户可以手动勾选并正确标识这些分类变量,以确保分析结果的准确性。

其次,选择自变量的筛选方式,主要是P阈值法

P阈值决定了单因素分析时,P值小于多少会进入多因素回归。一般为0.05,当进入多因素回归的变量过少时,也可以放宽要求,0.1,0.2也是可以的。

P值计算方式我们依然是选择默认,当出现无法计算出结果的时候我们可以对其进行改变。

完成选择后,就得到我们单因素与多因素分析的结果了。

结果参数说明:

①β:回归系数,对应SPSS输出结果b值

②S.E:回归系数的抽样误差,即标准误

③Z:是各个回归系数进行假设检验的统计量,对应SPSS输出结果瓦尔德卡方值(wald=Z平方)

④P:小于0.05,说明自变量与因变量回归关系成立。

⑤OR(95%CI):代表回归系数及95%置信区间。

⑥Intercept:仅出现在多因素回归结果中,代表截距。

结果解读:

输出结果中,我们主要关注回归P值与OR(95%CI)。P<0.05的前提下,OR值大于1,提示自变量是阳性事件发生的促进因素;OR值小于1,提示暴露因素是阳性事件的阻碍因素。

以本例多因素回归结果为例,协变量年龄中P<0.05,OR=4.93。代表以年龄>40人群为参照,31-40年龄人群发生肥胖的风险增加约3.93(OR-1)倍。

温馨提示:logistic回归OR值不能代表风险增加的准确倍数,因此,表述时,切忌"以年龄>40人群为参照,31-40年龄人群发生肥胖的风险增加3.93倍"的说法。

02

logistic回归森林图

这里提供了logistic回归结果的单因素、多因素森林图,对三线表结果增加了可视化转换。

左侧还设置了对应一系列菜单栏,可以对图形的各个方面进行自定义调整。

点估计与置信区间设置、选择森林的变量、其他颜色设置,主要是对图像显示内容与各部分样式进行修改,鼓励大家多尝试进行了解。

坐标轴与标签设置,这里重点标注了2个地方,大家可以关注一下。

  • 字号,当我们的森林图因为变量过多而显示不完全时,可以通过调整字号大小,来使图像显示完整。

  • X轴设置,当因为置信区间过宽或过窄,导致图像中的点估计与参考线显示不全面时,可以通过限制x轴范围或者进行转换,使图像显示更加匀称美观。

最后,可以将编辑好的森林图下载下来,支持pdf、jpeg、pnd、tiff格式,推荐下载pdf格式,可以对图像中的文字进行编辑。

温馨提示:如果下载的图像显示不完全,可以将曲线页面由A4调整为自定义,设置合适的长和宽之后再进行下载。

以上就是关于 NHANES Online平台平台Logistic回归方法模块的详细教程。

下篇预告:NHANES Online教程 (8): Logistic回归多模型策略

关于这个NHANES数据分析平台

俗话说”十年磨一剑“,经过长时间的打磨,郑卫军老师统计团队最终推出这个NHANES数据分析平台。解决了大家在挖掘过程中,NHANES数据库下载难、分析难等常见问题,助力大家更快完成一篇高质量文章!

如有对该平台感兴趣的学友,赶紧联系我们,早买早享受吧!

网站使用费用

本在线平台售价2000元/年
(有购买其它郑老师统计课程的学员享受9折优惠

服务内容

✅买1年送1年,共2年的平台使用权限
✅平台后期会更新100多个NHANES综合性指标数据
✅提供1年期在线数据分析咨询

购买方式

  • 可以添加下方助教微信咨询详情,或搜索微信号:aq566665

  • 可开技术服务费、培训费、咨询费等发票;可出具课程学习通知,方便报销,可以对公转账。


助教二维码,联系咨询(或搜索vx:aq566665

Logo

魔乐社区(Modelers.cn) 是一个中立、公益的人工智能社区,提供人工智能工具、模型、数据的托管、展示与应用协同服务,为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作,由全产业链共同建设、共同运营、共同享有,推动国产AI生态繁荣发展。

更多推荐