Logistic回歸在醫(yī)學(xué)科研、特別是觀察性研究領(lǐng)域，無論是現(xiàn)況調(diào)查、病例對(duì)照研究、還是隊(duì)列研究中都是大家經(jīng)常用到的統(tǒng)計(jì)方法，而在影響因素研究篩選自變量時(shí)，大家習(xí)慣性用的比較多的還是先單后多，P＜0.05納入多因素研究，很少用逐步回歸法，有些同學(xué)可能聽過但是了解也不多，這里先簡(jiǎn)單介紹一下。

那么什么時(shí)候推薦用逐步回歸呢？有以下2種情況，可以考慮使用：

①探索性研究、探討多個(gè)影響因素時(shí)，候選的影響因素實(shí)在太多（單因素分析后P值<0.05者，仍然超過10個(gè)），或者樣本量不大。

②構(gòu)建預(yù)測(cè)模型時(shí)候，就放心大膽的用。其他場(chǎng)景，一般不建議用逐步回歸法。

逐步回歸法的原理聽上去很復(fù)雜，但是用R語(yǔ)言幾行代碼也可以搞定，只是R語(yǔ)言需要一定的代碼基礎(chǔ)，一時(shí)半會(huì)兒也無法學(xué)會(huì)，因此，這里結(jié)合實(shí)操案例為大家介紹一個(gè)智能在線免費(fèi)統(tǒng)計(jì)分析平臺(tái)——風(fēng)暴統(tǒng)計(jì)。

一、實(shí)操數(shù)據(jù)介紹

這里我們使用的是R語(yǔ)言自帶數(shù)據(jù)集MASS中的birthwt，birthwt是一份與嬰兒出生體重低相關(guān)的危險(xiǎn)因素?cái)?shù)據(jù)，其中包含的變量見下表，根據(jù)研究設(shè)計(jì)，以“l(fā)ow”作為結(jié)局變量。

二、風(fēng)暴統(tǒng)計(jì)智能在線免費(fèi)平臺(tái)復(fù)現(xiàn)

（1）進(jìn)入風(fēng)暴統(tǒng)計(jì)網(wǎng)站的“風(fēng)暴智能統(tǒng)計(jì)”模塊，點(diǎn)擊“l(fā)ogistic回歸分析”

（2）導(dǎo)入數(shù)據(jù)，目前支持10M以內(nèi)的csv格式。數(shù)據(jù)導(dǎo)入前如需進(jìn)行預(yù)處理的（如：定量數(shù)據(jù)轉(zhuǎn)分類數(shù)據(jù)、多分類轉(zhuǎn)二分類、打標(biāo)簽等），推薦用SPSS進(jìn)行操作，具體詳見下方文章：

如何結(jié)合SPSS與在線統(tǒng)計(jì)分析平臺(tái)來撰寫論文？

（4）指定因變量與自變量的變量類型

（5）指定logistic回歸方式

這里我們以P值0.05為界，選用雙向逐步回歸法，右側(cè)直接得出三線表結(jié)果！

（6）導(dǎo)出word版三線表結(jié)果

三、R語(yǔ)言軟件復(fù)現(xiàn)

這里采用autoReg包，autoReg包是一款功能十分強(qiáng)大的R包，不僅可以快捷完成基線表的制作，還可以直接一行代碼輸出回歸分析（支持線性模型、廣義線性模型和比例風(fēng)險(xiǎn)模型）的表格。

（1）logistic回歸模型構(gòu)建

使用glm() 函數(shù)構(gòu)建回歸模型，glm(y~x1＋x2＋x3＋x4＋x......,data=數(shù)據(jù)集名，family="binomial")，指定因變量與自變量，設(shè)置數(shù)據(jù)集名。

logfit<-glm(low ~ age + lwt + race + smoke + ptd + ht +?ui +?ftv,data=bwt,family = "binomial")

summary(logfit)

此處參數(shù)family規(guī)定了回歸模型的類型:family="binomial"指適用于二元離散因變量(binary)。

（2）逐步回歸法
logreg4<-autoReg(logfit,uni=TRUE,threshold=0.05, final=T) ??#final=T逐步回歸

logreg4

logtable4<-myft(logreg4)

四、總結(jié)

通過對(duì)比，風(fēng)暴統(tǒng)計(jì)與R語(yǔ)言先單后多的分析結(jié)果完全一致，風(fēng)暴統(tǒng)計(jì)對(duì)于P值還有單獨(dú)成列，結(jié)果更加清晰直觀！這也是由于平臺(tái)的構(gòu)建依托于R代碼進(jìn)行分析。同時(shí)結(jié)果輸出更加快捷，迅速，大家進(jìn)行統(tǒng)計(jì)分析時(shí)不妨試一試！