COX回归与logistic回归区别

COX回归与logistic回归区别

logistic回归，与线性回归并成为两大回归，应用范围一点不亚于线性回归，甚至有青出于蓝之势。因为logistic回归太好用了，而且太有实际意义了。解释起来直接就可以说，如果具有某个危险因素，发病风险增加2.3倍，听起来多么地让人通俗易懂。线性回归相比之下其实际意义就弱了。logistic回归与线性回归恰好相反，因变量一定要是分类变量，不可能是连续变量。分类变量既可以是二分类，也可以是多分类，多分类中既可以是有序，也可以是无序。二分类logistic回归有时候根据研究目的又分为条件logistic回归和非条件logistic回归。条件logistic回归用于配对资料的分析，非条件logistic回归用于非配对资料的分析，也就是直接随机抽样的资料。无序多分类logistic回归有时候也成为多项logit模型，有序logistic回归有时也称为累积比数logit模型。

cox回归，cox回归的因变量就有些特殊，因为他的因变量必须同时有2个，一个代表状态，必须是分类变量，一个代表时间，应该是连续变量。只有同时具有这两个变量，才能用cox回归分析。cox回归主要用于生存资料的分析，生存资料至少有两个结局变量，一是死亡状态，是活着还是死亡？二是死亡时间，如果死亡，什么时间死亡？如果活着，从开始观察到结束时有多久了？所以有了这两个变量，就可以考虑用cox回归分析。

1.都可以用来筛选影响因素； 2.都有OR值或者RR值；

3.应变量不一样：Cox回归的应变量是生存时间*Cencor(结局），而logistic回归应变量是分类资料，比如二分类；

4.条件logsitic回归分析与cox回归分析有相似的地方，sas程序相同，SPSS里面条件logistic回归分析就是借用Cox比例风险模块进行分析！ logistic回归是cox回归的一个特例.

当全部个体都有结局时,两者的结果(β)是一样的.

cox回归可以考察生存函数，而logistic不可以。补充一点，在spss里，配对logistic回归的模型，是在cox回归里完成的。

本文来源：https://www.bwwdw.com/article/05yd.html