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，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