多重线性回归、logistic回归与Cox回归的比较

多重线性回归、logistic回归与Cox回归是回归分析中最为常见的三类,三者有差异也有共同之处。

当结局变量为连续型资料时可以考虑多重线性回归,当结局变量为分类资料时可以考虑logistic回归,而结局变量是生存时间和二分类资料时则考虑Cox回归。三种回归一般用于多个解释变量(自变量或协变量)时,实际上是多因素分析的模型。当解释变量只有一个或者根据实际的数据类时,这些分析有时候常简化为更为简单更为直接的分析形式。比如因变量为连续型资料,解释变量只有一个且为分类变量,可以采用线性回归吗?当然可以!但更多的时候,我们会直接考虑采用t检验或者方差分析,条件不满足时改用非参数检验。

多重线性回归、logistic回归与Cox回归的比较

上图出自JMP教程

多重线性回归在很多教材上被称为多元线性回归,严格来说多元线性回归的叫法并不合适,而多重或者多因素线性回归更合适。多重、多因素一般指多个解释变量(自变量或协变量),英文中一般用Multiple表示;而多元、多变量更多的时候表示多个结局变量(因变量,应变量),英文中一般用Multivariate表示。对应的一个因变量称为Univariate。
多重线性回归、logistic回归与Cox回归分析比较

多重线性回归、logistic回归与Cox回归的比较

孙振球等主编.《医学统计学》第三版

附上三大回归的SPSS操作及结果解读

—— END ——

  • 版权声明 本文源自 一统浆糊 整理整理发表
  • 除非特殊声明,本站文章均为原创,转载请务必保留本文链接
匿名

发表评论

匿名网友