cox回归分析与log回归

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，

§13.3 Cox Regression过程

上面给大家介绍的是两种生存分析方法，但它们只能研究一至两个因素对生存时间的影响，当对生存时间的影响因素有多个时，它们就无能为力了，下面我给大家介绍Cox Regression过程，这是一种专门用于生存时间的多变量分析的统计方法。 Cox Regression过程主要用于：

1、 用以描述多个变量对生存时间的影响。此时可控制一个或几个因素，考察其他因素对生存时间的影响，及各因素之间的交互作用。

例13.3 40名肺癌患者的生存资料（详见胡克震主编的《医学随访统计方法》1993，77页）

生存时间 状态 生活能力评分 年龄 诊断到研究时间 鳞癌 小细胞癌 腺癌 疗法 癌症类别 411 126 118 1 1 1 70 60 70 64 63 65 5 9 11 1 1 1 0 0 0 0 0 0 1 1 1 1.00 1.00 1.00 注：原数据库是用亚变量定义肺癌分类：0，0，0为其它癌；1，0，0为鳞癌；0，1，0为小细胞癌；0，0，1为腺癌。表中的最后一个变量是我加上去的癌症类别，1为鳞癌；2为小细胞癌；3为腺癌；4为其它癌。实践表明结果与用亚变量计算一样。 13.3.1 界面说明

第十二章 相关与回归分析

第一节 变量之间的相关关系

相关程度与方向·因果关系与对称关系 第二节 定类变量的相关

双变量交互分类（列联表）·削减误差比例（PRE）·λ系数与τ系数 第三节 定序变量的相关分析

同序对、异序对和同分对·Gamma系数·肯德尔等级相关系数（τ谐系数

第四节 定距变量的相关分析

相关表和相关图·积差系数的导出和计算·积差系数的性质 第五节 回归分析

线性回归·积差系数的PRE性质·相关指数R

第六节 曲线相关与回归

可线性化的非线性函数·实例分析（二次曲线指数曲线）

a

系数、

τb与τc系数）·萨默斯系数（d系数）·斯皮尔曼等级相关（ρ相关）·肯德尔和

一、填空

1．对于表现为因果关系的相关关系来说，自变量一般都是确定性变量，因变量则一般是（ ）变量。

2．变量间的相关程度，可以用不知Y与X有关系时预测Y的全部误差E1，减去知道Y与X有关系时预测Y的联系误差E2，再将其化为比例来度量，这就是（ ）。

3．依据数理统计原理，在样本容量较大的情况下，可以作出以下两个假定：（1）实际观察值Y围绕每个估计值Yc是服从（ ）；（2）分布中围绕每个可能的Yc值的（ ）是相同的。

4．在数量上表

回归分析,方差分析

回归分析与方差分析的异同比较

回归分析与方差分析是统计学中两种常用的统计分析方法，比较分析它们

的不同和相似之处，无论对把握两种方法的基本原理，还是对拓广其应用范围，无疑都是十分重要的。

一、两种方法的联系

回归分析与方差分析之间有许多相似之处，这体现了两者之间的内在联系。我们把这种相似性具体归纳为如下几个方面。

(一)在概念上具有相似性

回归分析是为了分析一个变数如何依赖其它变数而提出的一种统计分析方法。运用回归分析法，可以从变数的总变差中分解出回归因子解释的变差和未被解释的变差。回归分析的目的是要确定引起应变数变异的各个因素。而方差分析是为了分析实验数据而提出的一种统计分析方法。运用方差分析，可以从变数的总变差中分解出 因子的效应和随机因子的效应。方差分析的目的是要确定产生变差的有关各种因素。两种分析在概念上所具有的相似性是显而易见的。

(二)在目的实现上具有相似性

回归分析确定因素X是否为Y的影响因素时，从实现程序上先进行变数X与变数y的相关分析，然后建立变数间的回归模型，最后进行对参数的统计显著性检验。方差分析确定因素X是否是Y的影响因素时，从实现程序上，先从实验数据的分析入手，然后考察数据模型，最后对样本均值是否相等进行统计显著性

回归分析 1）：变量选择与逐步回归 stepwise(X,y)

stepwise(X,y,inmodel,penter,premove) 课本P317

输入x为候选变量集合的n*k数据矩阵(n是数据容量,k是变量数目),y为因变量数据向量(n维),inmodel是初始模型中包括的候选变量集合的指标(矩阵x的列序数,

默认时设定为全部候选变量),penter是引入变量的显著性水平(默认时庙宇为0.05),premove是剔除变量的显著性水平(默认时设定为0.10)

调查了12名6到12岁正常儿童的体重,身高和年龄,如表,建立回归模型用于 预测从身高和年龄儿童的体重

1 2 3 4 5 6 7 8 9 10 11 12 y/kg 27.1 30.2 24.0 33.4 24.9 24.3 30.9 27.8 29.4 24.8 36.5 29.1 x1/m 1.34 1.49 1.14 1.57 1.19 1.17 1.39 1.21 1.26 1.06 1.64 1.44 x2/

第六章 相关与回归分析习题

一、填空题

1．现象之间的相关关系按相关的程度分为 、 和 ；按相关的形式分为 和 ；按影响因素的多少分为 和 。

2．两个相关现象之间，当一个现象的数量由小变大，另一个现象的数量 ，这种相关称为正相关；当一个现象的数 量由小变大，另一个现象的数量 ，这种相关称为负相关。

3．相关系数的取值范围是 。

4．完全相关即是 关系，其相关系数为 。

5．相关系数，用于反映 条件下，两变量相关关系的密切程度和方向的统计指标。 6．直线相关系数等于零，说明两变量之间 ；直线相关系数等1，说明两变量之间 ；直线相关系数等于—1，说明两变量之间 。

7．对现象之间变量的研究，统计是从两个方面进行的，一方面是研究变量之间关系的 ，这种研究称为相关关系；另一方面是研究关于自变量和因变量之间的变动关系，用数学方程式表达，称为

回归分析,方差分析

回归分析与方差分析的异同比较

回归分析与方差分析是统计学中两种常用的统计分析方法，比较分析它们

的不同和相似之处，无论对把握两种方法的基本原理，还是对拓广其应用范围，无疑都是十分重要的。

一、两种方法的联系

回归分析与方差分析之间有许多相似之处，这体现了两者之间的内在联系。我们把这种相似性具体归纳为如下几个方面。

(一)在概念上具有相似性

回归分析是为了分析一个变数如何依赖其它变数而提出的一种统计分析方法。运用回归分析法，可以从变数的总变差中分解出回归因子解释的变差和未被解释的变差。回归分析的目的是要确定引起应变数变异的各个因素。而方差分析是为了分析实验数据而提出的一种统计分析方法。运用方差分析，可以从变数的总变差中分解出 因子的效应和随机因子的效应。方差分析的目的是要确定产生变差的有关各种因素。两种分析在概念上所具有的相似性是显而易见的。

(二)在目的实现上具有相似性

回归分析确定因素X是否为Y的影响因素时，从实现程序上先进行变数X与变数y的相关分析，然后建立变数间的回归模型，最后进行对参数的统计显著性检验。方差分析确定因素X是否是Y的影响因素时，从实现程序上，先从实验数据的分析入手，然后考察数据模型，最后对样本均值是否相等进行统计显著性

第十一章 多元线性回归与logistic回归

一、教学大纲要求

（一）掌握内容

1．多元线性回归分析的概念：多元线性回归、偏回归系数、残差。

2．多元线性回归的分析步骤：多元线性回归中偏回归系数及常数项的求法、多元线性回归的应用。

3．多元线性回归分析中的假设检验：建立假设、计算检验统计量、确定P值下结论。 4．logistic回归模型结构：模型结构、发病概率比数、比数比。 5．logistic回归参数估计方法。

6．logistic回归筛选自变量：似然比检验统计量的计算公式；筛选自变量的方法。 （二）熟悉内容

常用统计软件（SPSS及SAS）多元线性回归分析方法：数据准备、操作步骤与结果输出。

（三）了解内容

标准化偏回归系数的解释意义。

二、教学内容精要

(一) 多元线性回归分析的概念

将直线回归分析方法加以推广，用回归方程定量地刻画一个应变量Y与多个自变量X间的线形依存关系，称为多元线形回归（multiple linear regression），简称多元回归（multiple regression）

基本形式：

??b?bX?bX?????bX Y01122kk?为各自变量取某定值条件下应变量均数的估计值，X，X，…，X

应用线性回归课后作业

姓名：xxx

学号：xxxxxxxxx 年级：2013级

指导老师：xxx

第2章

2.14为了调查某广告对销售收入的影响，某商店记录了5个月的销

售收入y（万元）和广告费用x（万元），数据如表2-6所示 月份 x y 1 1 10 2 2 10 3 3 20 4 4 20 5 5 40 （表2-6） （1） 画散点图：

解：

> x <- c(1,2,3,4,5)

> y <- c(10,10,20,20,40) > plot(x,y)

101152025y30354023x45

（2）x与y之间是否大致呈线性关系：

解：

由上题的散点图可以看出五个点基本在一条直线附近，因此可以看出x与y之间大致呈线性关系

（3）用最小二乘估计求出回归方程：

解：R语言程序如下

> mystat1 <- data.frame(x,y) > mystat1 x y 1 1 10 2 2 10 3 3 20 4 4 20 5 5 40

> regress1 <- lm(y~x,data=mystat1) > summary(regress1)

Call:

lm(formula = y ~ x, data = mystat1)

Resid

1. 在钢线碳含量对于电阻的效应的研究中，得到如下一批数据： 碳含量X（%） 电阻Y（微欧） 0.10 15 0.30 18 0.40 19 0.55 21 0.70 22.6 0.80 23.8 0.95 26 求Y对X的线性回归方程，并检验回归效果的显著性.

2. 考察温度对产量的影响，测得下列10组数据： 温度（℃） 产量（kg） 20 13.2 25 15.1 30 16.4 35 17.1 40 17.9 45 18.7 50 19.6 55 21.2 60 22.5 65 24.3 求Y对X的线性回归方程，相关系数并检验回归效果是否显著（α=0.05）.

3. 某儿科医院研究某种代乳粉的营养价值时，用大白鼠做试验，得到大白鼠进食量X（克）和增加体重Y（克）之间关系的原始数据如下： 动物编号 进食量X（克） 增加体重Y（克） 1 820 2 780 3 720 4 867 5 690 6 787 7 934 8 679 9 639 10 820 165 158 130 180 134 167 186 145 120 158 试求Y对X的线性回归方程、相关系数并检验回归效果的显著性.

4. 某职工医院用光电比色计检验尿汞时，得尿