spss无序logistic回归（spss有序logistic回归结果解读）

在前几期文章中，我们讲到了因变量为连续线性型的回归分析，用线性回归；因变量为对立二分类变量，用二元Logistic回归。

spss有序logistic回归结果解读

但当我们遇到因变量为等级变量时候，比如某种疾病的严重程度，分为轻、中、重度，要研究这一类变量的影响因素的时候，之前讲解的线性和二元Logistic就都不适用了，那么这一类变量，就要用到有序Logistic回归了。

下面我们通过实际案例来详细讲解SPSS有序Logistic回归在医学统计分析中的应用操作及分析。

案例数据与背景：我们搜集了142例患者的某疾病严重程度，以及一些可能有影响的因素，可以看到严重程度分为轻、中、重3个等级，为递进关系。要研究年龄、高血压、糖尿病等因素是否会对严重程度造成显著的影响，这里就要采用有序Logistic回归。

图1

有序Logistic回归在spss中的操作步骤

①点击“分析”-“回归”-“有序”（图2），在弹出的窗口中，将“严重程度”选入右侧“因变量”框内，将“高血压”、“糖尿病”、“尿蛋白”这些分类自变量选入右侧“因子”框内，最后将剩余连续型自变量选入右侧“协变量”框中（图3）

图2

图3

②选好变量后，在进行相关的参数设置，点击右侧的“输出”选项，在弹出的窗口中勾选“平行线检验”，以及右侧“保存的变量”下的4个选项（图5）。其他参数则无需更改，默认设置即可。设置好后，点击确定进行运算结果。

图4

图5

③分析结果

图6

首先看上面模型拟合信息表，可以看出不含任何自变量的模型和含有所有自变量的模型存在显著的差异，P<0.05，说明数据和模型拟合程度良好。

图7

再看参数估算表：在0.05的显著性水平下

1. 尿肌酐能显著影响严重程度，P<0.05，回归系数为-0.304<0，说明尿肌酐越大，患者严重程度从轻上升为中，或者从中上升为重的概率就越低。尿肌酐每高1个单位，患者严重程度从轻上升为中，或者从中上升为重的概率是尿肌酐每低1个单位的0.738倍

2. 血尿酸能显著影响严重程度，P<0.05，回归系数为-0.012<0，说明血尿酸越大，患者严重程度从轻上升为中，或者从中上升为重的概率就越低。血尿酸每高1个单位，患者严重程度从轻上升为中，或者从中上升为重的概率是血尿酸每低1个单位的0.988倍

3. 血肌酐能显著影响严重程度，P<0.05，回归系数为0.047>0，说明血肌酐越大，患者严重程度从轻上升为中，或者从中上升为重的概率就越高。血肌酐每高1个单位，患者严重程度从轻上升为中，或者从中上升为重的概率是血肌酐每低1个单位的1.048倍

图8

最后看平行线检验表可以看出，本次数据代入回归模型后，位置参数（斜率系数）在各个响应类别中相同的显著性P>0.05，表明本数据代入回归模型后算出的结果真实有效，通过了平行线检验。

以上就是今天所讲解的SPSS有序Logistic回归在医学统计分析中的应用操作及分析的全部内容。在下一期我们将会讲解因变量为无序多分类变量，比如某疾病类型分为A、B、C三类，要分析这种疾病的影响因素，就要使用无序Logistic回归了。敬请大家关注!

上面就是小居数码小编今天给大家介绍的关于（spss有序logistic回归结果解读）的全部内容，希望可以帮助到你，想了解更多关于数码知识的问题，欢迎关注我们，并收藏，转发，分享。

94%的朋友还想知道的：

• spss普通最小二乘回归（spss用最小二乘法估计回归模型）
• spss描述性统计怎么分析（spss对数据进行描述性统计分析）
• 怎样用spss进行roc曲线分析（如何用spss做roc曲线,多个指标比较）

（388）个朋友认为回复得到帮助。