癌细胞转移的Logistic回归分析癌细胞转移的Logistic回归分析
实验目的:通过本次试验了解处理二值变量数据的方法,理解Logistic回归的思想,对比普通线性回归与Logistic回归的区别,掌握Logistic回归过程的操作方法和步骤,能够熟练应用这个模型对二值变量建立Logistic模型并进行估计,对分析结果进行合理的解释。
实验内容:本实验数据来源是以26例行根治疗肾切除患者的肾癌标本资料,探讨不同病理因素对细胞转移我影响。x1(患者年龄)、x2(肾细胞癌血管内皮生长因子)、x3(肾细胞癌组织内微血管数)、x3(肾癌细胞核组织分级)、x5(肾...
癌细胞转移的Logistic回归分析
实验目的:通过本次试验了解处理二值变量数据的
,理解Logistic回归的思想,对比普通线性回归与Logistic回归的区别,掌握Logistic回归过程的操作方法和步骤,能够熟练应用这个模型对二值变量建立Logistic模型并进行估计,对分析结果进行合理的解释。
实验内容:本实验数据来源是以26例行根治疗肾切除患者的肾癌标本资料,探讨不同病理因素对细胞转移我影响。x1(患者年龄)、x2(肾细胞癌血管内皮生长因子)、x3(肾细胞癌组织内微血管数)、x3(肾癌细胞核组织分级)、x5(肾细胞癌分期)、y(转移情况,y=1有转移,y=0无转移)本次实验是对变量y建立Logistic回归模型,然后进行模型估计并给出分析结论。
实验步骤:
?打开数据分析表并输入数据
?选择Analyze/Regression/Binary Logistic…命令,弹出Logistic对话框进行如图
操作:将x7选入因变量(Dependent)框中,其他选入协变量(Covariates)框中。
?单击Categorica…按钮,选择默认命令。
?单击Continue回到对话框单击Save…进入Logistic Regression: Save 选择如图
?单击Continue回到对话框单击Optionsptions,选择如图
?点击OK按钮,等待实验结果。
实验结论:
实验结果分为两个部分:第一个只选择常数项作为解释变量的模型,第二个是包含了x1、x2、x3、x4、x5、x6和常数项作为其解释变量的模型。
第一个模型的结果分析
上图中我们可以看出
中没有缺失值
有转移为1 无转移为0
此图给出了模型队样本进行分类的结果行代表样本实际类别,列代表模型将其识别的类别我们可以看出实际类型0的17个样本全部分为类型0,分类正确率是100%,而实际类型是1的9个样本也全部分类为0,正确率是0,因此此类分析正确率是65.4%,从这里看出了此类模型的性能很不稳定,效果不好,这主要是由于解释变量仅仅去了一个常数。
上图给出了进入方程的变量,只有一个常数作为解释变量进入模型,其估计值为-0.636。
上图给出了未进入模型变量x1、x2、x3、x4、x5、x6的6个变量
第二个模型的结果分析
给出了估计系数的检验结果P值都几乎为0,远小于0.05,此模型的参数都是显著的,在统计意义上是合理的。
上图给了模型的分类表,可以看出与第一个模型比较,所有样本的分类正确率都为100%。可以看出此模型的稳定性明显好于第一个样本,且更加合理。
上图给出了进入方程变量的信息P值均为0.9以上远大于0.05
本文档为【癌细胞转移的Logistic回归分析】,请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑,
图片更改请在作品中右键图片并更换,文字修改请直接点击文字进行修改,也可以新增和删除文档中的内容。
[版权声明] 本站所有资料为用户分享产生,若发现您的权利被侵害,请联系客服邮件isharekefu@iask.cn,我们尽快处理。
本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用。
网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。