丁香实验_LOGO
登录
提问
我要登录
|免费注册

关于二分类logistic回归模型建立

相关实验:基于 Excel 的简单相关与回归分析

user-title

高先生sir

最近在学习logistic回归模型,看到一篇文章中的模型,不是很懂,如下图所示,如何是如何从模型1中确定年龄、房颤、入院NHISS为混杂因素,从而建议模型2的?

wx-share
分享

3 个回答

user-title

dxy_1gtkn9j3

有帮助

个人感觉根据模型1的p值来解释模型二控制这些变量,解释不通,一般可以控制p值小于0.05的来进一步分析出其他可能相关的因素,以及影响强度,分明年龄和房颤并不是。

那就另一种解释吧,就是人为的根据其他已有研究的结果(年龄、房颤是明确的影响风险结果的因素)来进行控制变量分析的

user-title

loveliufudan

有帮助

模型1和模型2是基于logistic回归模型进行分析的。在模型1中,年龄、房颤和入院NHISS评分被作为自变量,而OCSP、TACI、PACI、POCI、白细胞计数、中性粒细胞计数、淋巴细胞计数和NIR被作为因变量。模型1给出了每个自变量的回归系数、标准误差、95%置信区间和p值。

根据模型1的结果,可能发现年龄、房颤和入院NHISS评分与OCSP、TACI、PACI、POCI、白细胞计数、中性粒细胞计数、淋巴细胞计数和NIR之间存在一定的关联。这些自变量可能被认为是潜在的混杂因素,即它们与因变量之间存在关联,并且可能影响因变量的结果。

因此,在模型2中,作者建议将年龄、房颤和入院NHISS评分作为混杂因素进行调整,以控制这些因素对其他自变量和因变量之间的关系的影响。模型2可能是基于模型1的结果进行修正后的回归模型,以更准确地评估其他自变量与因变量之间的关系。


user-title

土井挞克树

有帮助

把多变量输入到logistics回归中可以按照统计学参数确定混杂因素的,这个需要输出模型看统计学数据

提问
扫一扫
丁香实验小程序二维码
实验小助手
丁香实验公众号二维码
扫码领资料
反馈
TOP
打开小程序