SPSS统计中多重线性回归、Logistic回归及Cox回归分析的联系与区别

如何区分常见回归模型?在什么情况下,应该用什么回归模型呢? 本文将汇总三种最常用的回归模型:多重线性回归、Logistic回归、Cox回归,更直接比较它们间最基本的联系与区别。

三者联系

它们都属于回归分析,目的都在于探讨多个自变量对因变量的影响,且自变量具有共同属性——自变量均为多个,可以为连续变量、等级变量和分类变量,其中,分类变量需转换为哑变量进行处理,等级变量按连续变量或哑变量进行处理。

三者区别

1、多重线性回归用于寻找连续性因变量数值随多个自变量变化而变化的直线趋势;强调因变量为连续变量。如研究肺癌患者某肿瘤标记物的水平(连续变量)是否受年龄、性别、吸烟与否及数量等自变量的影响。操作流程为:

SPSS统计中多重线性回归、Logistic回归及Cox回归分析的联系与区别

  2、Logistic回归:用于分析分类变量(或等级变量)和一些影响因素之间的关系,由于因变量非连续变量,与自变量间失去了线性关系的可能性,于是经过Logit变化,将模型转换为线性关系;强调因变量为分类变量或等级变量。如研究肺癌患病与否(二分类变量)是否受年龄、性别、吸烟与否及数量等自变量的影响。以二分类Logistic回归为例,操作流程为:

SPSS统计中多重线性回归、Logistic回归及Cox回归分析的联系与区别

  3、Cox回归:用于研究多个因素对结局事件的影响;因变量与二分类Logistic回归相似,唯一的区别在于Cox回归的因变量引入了时间因素。如分析肺癌生存时间(二分类变量,含时间因素)是否受年龄、性别、吸烟与否及数量等自变量的影响。操作流程为:

SPSS统计中多重线性回归、Logistic回归及Cox回归分析的联系与区别

  可见,三种常用的回归模型有着某些相同点,也由于因变量的情况不同而适用于不同的数据。

  • 本文由
  • 转载请务必保留本文链接:https://www.plob.org/article/26781.html

发表评论

匿名网友 填写信息