这篇文章给大家介绍如何进行条件logistic回归分析，内容非常详细，感兴趣的小伙伴们可以参考借鉴，希望对大家能有所帮助。
10年的竹山网站建设经验，针对设计、前端、开发、售后、文案、推广等六对一服务，响应快，48小时及时工作处理。成都全网营销的优势是能够根据用户设备显示端的尺寸不同，自动调整竹山建站的显示方式，使网站能够适用不同显示终端，在浏览器中调整网站的宽度，无论在任何一种浏览器上浏览网站，都能展现优雅布局与设计，从而大程度地提升浏览体验。创新互联公司从事“竹山网站设计”,“竹山网站推广”以来，每个客户项目都认真落实执行。
在流行病的病例—对照研究中，为控制一些重要的混杂因素，常把病例组和对照组按照年龄、性别等因素进行配对，该法能很好地控制混杂因素对研究结果的影响。
一般地，病例组与对照组的匹配形式为1：n （n<=3），常见的为 1:1 。
某北方城市研究喉癌发病的危险因素，用1:2 配对的病例-对照研究方法进行了调查。现选取了6个可能的危险因素并截取了25对数据。
数据赋值情况
数据视图
①数据类型：因变量Y为二分类变量，6个自变量均为分类变量。
②病例：对照 为1:2
③分析方法：SPSS中无专门处理条件logistic回归分析的菜单操作，但很多学者推荐采用cox回归分析（后期我们将介绍SAS的处理方法）。
【1】生成新变量TIME，
转换——计算变量——{TIME = 2 - y }，这是常用的一种方法，使得病例组生存时间为1，对照组生存时间为2 。
【2】进行 { cox 回归分析 }
详细过程 ▶▶▶ Cox回归分析
【3】分析——生存函数——cox回归
【4】TIME选入“时间”，y选入“状态”——定义事件的单值为1，计算方法选用“向前 Wald”，需将配对号 i 选入 “层”
详细解析可参考{ Cox回归分析 }
①模型系数的似然比检验
-2lnL = 16.112 ， 模型似然比检验卡方值为28.397，P<0.001，模型有统计学意义，可以认为所建立的logistic回归方程有意义。
②条件logistic回归分析的参数估计等
步骤4：
以检验水准 α = 0.05 ， 自变量 X2、X3、X4、X6最终被选入模型，且X2、X3、X6为危险因素，X4为保护因素。X6的显著性与检验水准很接近，实际研究中可以适当放宽要求或根据临床经验是否纳入。以自变量X6为例 ，P=0.052，，OR=37.793，即有癌症家族史是无癌症家族史患喉癌风险的37.793倍。
关于如何进行条件logistic回归分析就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。
当前标题：如何进行条件logistic回归分析
文章路径：
http://www.cdkjz.cn/article/jpgcsg.html
