科研Labs › 二分类 Logistic 回归
二分类 Logistic 回归
分析多个因素对二分类结局（如发生/未发生、有效/无效）的影响。用最大似然法（IRLS）拟合， 输出各因素的 OR（比值比）及 95%CI、显著性与模型拟合指标。临床预测、影响因素分析的核心方法。
① 粘贴数据（含表头）
第一行为列名，之后每行一个病例。结局变量须为 0/1（0=未发生，1=发生）。可从 Excel 整块复制粘贴。
使用说明与方法学
Logistic 回归用来做什么？
用于分析一个或多个因素（自变量）对二分类结局（如患病/未患病、有效/无效、复发/未复发）的影响，是临床影响因素分析和预测模型构建最常用的方法。结果以 OR（比值比）表达每个因素的作用方向和强度。
OR（比值比）怎么解读？
OR>1 表示该因素是危险因素（增加结局发生的可能），OR<1 表示保护因素（降低可能），OR=1 表示无关联。连续变量的 OR 指每增加 1 个单位时结局发生比值的变化。判断是否显著要看 95%CI 是否包含 1——不包含 1 才有统计学意义。
数据怎么准备？
整理成表格：第一行为列名，每行一个病例。结局变量必须编码为 0（未发生）和 1（发生）。自变量可以是连续值（如年龄、检验指标）或已编码的分类值。从 Excel 选中整块区域复制后直接粘贴即可。
什么是「完全分离」警告？
当某个自变量几乎完美地区分了结局（例如所有阳性病例的指标都高于所有阴性病例），最大似然估计会发散、OR 变得极大且不可靠。这在小样本或变量过强时常见，并非工具出错。应对方法是增大样本量、合并类别或减少自变量。