基于多因素Logistic回归分析，筛选可能的独立危险因素

本文基于SPSS软件，使用多因素Logistic回归筛选disease可能的独立危险因素。因变量disease为分类变量，1为有病，0为无病；自变量共6个变量，其中age、bmi、testa和testb为数值变量，均设置为Scale；sex为二分类变量，work为多分类变量，均设置为Nominal。

假设经过单因素Logistic回归，age、bmi、testa、testb、sex、work均有统计学意义（p<0.10），故把这些变量都纳入多因素Logistic回归分析。

1、把数据从Excel中复制到SPSS，并设置数据类型。

2、点击Analyze，选择Regression，接着选择Binary Logistic。

3、在Logistic Regression对话框中，disease选入Dependent框，其他变量选入Covariates框

4、work为多分类变量，需要设置为哑变量，以work=1为参照。

点击Categorical按钮，在Logistic Regression：Define Categorical Variables对话框中，work选入Categorical Covariates框中，在右下方，Reference Category默认为last，我们通常勾选first，并点击上方的Change按钮，在Categorical Covariates框中，显示work(indicator(first))即表示修改成功，最后点击continue。

在Logistic Regression对话框中，点击Options，勾选CI for exp(B)，点击Continue。

5、主要结果：

Logistic回归的主要结果为OR值、95%可信区间以及P值，表中Sig.为p值，Exp(B)为OR值，95% C.I. for EXP(B)为OR值的95%可信区间。

本文结果为，testa和testb的p值均小于0.001，OR值分别为1.126和15.133，表示testa和testb为disease可能的独立危险因素。

思考题：

如果把单因素Logistic回归有统计学意义的变量都纳入多因素分析，可能会因为变量间存在共线性而导致结果出现异常，大家知道如何检测和处理多重共线性的问题吗？请在留言区写下你的答案，一起探讨学习。

14天小白变统计高手训练营（升级版）开班在即：

1、每月举办一期，月初开班，中间加入，只能跟着大家进度走，未学内容在下一期补上。

2、一期学不会，可跟着下一期接着学，直到学会为止。

3、训练营学员在学习结束后，会邀请进专门的小白训练营统计群，为大家构建高质量的统计与科研学习圈。

目前课程内容包括：

变量编码、缺失值插补、异常值检测与处理、正态性检验、t检验、方差分析、非参数检验、卡方检验、精确概率法、相关性检验、Logistic回归、ROC、联合诊断ROC、kappa检验等。

每天轻松学会一个统计方法。

更详细内容请在公众号后台回复：小白训练营。