条件Logit回归分析：具体示例与步骤

条件Logit回归分析（Conditional Logistic Regression）主要用于处理配对数据，常见于医学研究中的病例-对照研究。以下是一个具体的示例和详细的操作步骤，帮助你在SPSSAU(在线SPSS)平台上完成条件Logit回归分析。

示例背景

假设我们进行了一项关于喉癌的病例-对照研究，研究目的是探讨吸烟和癌症家族史对喉癌的影响。研究采用了1:2的配对设计，即每个病例配对了2个对照，共有20个配对组。

数据准备

1. 因变量（Y）：是否患喉癌（0=未患，1=患）
2. 自变量（X）：
   • 是否吸烟（0=不吸烟，1=吸烟）
   • 癌症家族史（0=无，1=有）
3. 配对编号：每个配对组的编号（1到20）

操作步骤

1. 登录SPSSAU(在线SPSS)平台
   • 打开SPSSAU(网页SPSS)并登录你的账号。
2. 导入数据
   • 右上角【上传数据】，上传你的数据文件。
3. 选择分析方法
   • 在仪表盘中依次选择【实验/医学研究】→【条件Logit回归】。
4. 设置分析变量
   • 将【是否喉癌】拖拽至【Y(定类)】分析框中。
   • 将【是否吸烟】和【癌症家族史】拖拽至【X(定量/定类)】分析框中。
   • 将【配对编号】拖拽至【配对组编号】分析框中。
5. 开始分析
   • 点击【开始分析】按钮，SPSSAU(在线SPSS)将自动进行条件Logit回归分析。

结果解读

1. 模型拟合信息
   • 查看模型的伪R方值（如McFadden R方值），了解自变量对因变量的解释程度。
2. 回归系数与显著性
   • 查看每个自变量的回归系数、z值、p值和OR值（exp(b)值）。
   • 例如，如果【是否吸烟】的回归系数为1.243，p值<0.05，OR值为3.465，说明吸烟显著增加患喉癌的风险，且吸烟者患喉癌的风险是不吸烟者的3.465倍。
3. 配对编号的作用
   • 确保配对编号正确设置，以控制配对组内的混杂因素。

示例结果

假设分析结果如下： - McFadden R方值：0.115，说明是否吸烟和癌症家族史共解释了11.5%的喉癌风险。 - 是否吸烟：回归系数=1.243，p=0.020，OR=3.465，说明吸烟显著增加患喉癌的风险。 - 癌症家族史：回归系数=-0.184，p=0.715，说明癌症家族史对患喉癌无显著影响。