一、單因素logistic回歸與多因素logistic回歸的關(guān)系

使用logistic回歸的前提：因變量是邏輯變量，即0-1變量或1-2-3順序變量。若因變量是連續(xù)變量，則需要用多重線性回歸。

單因素分析主要用于初步判斷哪些因素對(duì)隨訪結(jié)局有影響，一次統(tǒng)計(jì)只分析一個(gè)變量；多因素分析則常常是在單因素分析的基礎(chǔ)上，對(duì)所有可能的影響因素進(jìn)行一次性的分析。在操作上的差別，只是在于自變量的個(gè)數(shù)。

另外，單因素分析的結(jié)果會(huì)受到混雜因素的影響，往往不是很可靠；多因素分析能校正各種混雜因素的影響，結(jié)果更加可信。

二、在單因素分析和多因素分析后，下一步如何處理？

1. 單因素結(jié)果顯著，多因素結(jié)果顯著→將該變量納入模型

2. 單因素結(jié)果不顯著，多因素結(jié)果不顯著→將該變量剔出模型

3. 單因素結(jié)果不顯著，多因素結(jié)果顯著→進(jìn)行相關(guān)性和共線性分析

4. 單因素結(jié)果顯著，多因素結(jié)果不顯著→對(duì)變量進(jìn)行PSM傾向得分匹配處理 or 擴(kuò)大樣本量（控制混雜因素）

三、單因素logistic回歸的SPSS操作及結(jié)果解讀

第一步：將Excel中的數(shù)據(jù)導(dǎo)入到SPSS中：【文件-導(dǎo)入數(shù)據(jù)】→【Excel】

第二步：進(jìn)行二元logistic回歸

2.1【分析-回歸】→【二元Logistic】/若因變量是1-2-3-4-5這樣的順序變量，則應(yīng)選擇→【多元Logistic】

2.2 把因變量和自變量放入對(duì)應(yīng)位置后，點(diǎn)擊【保存】→選中【概率】、【組成員】→【確定】

2.3 【選項(xiàng)】→如圖選中相應(yīng)選項(xiàng)（若最終結(jié)果顯示模型不好，可去掉【在模型中包括常量】試試）

第三步：結(jié)果解讀

3.1 前面的結(jié)果不用看，直接來(lái)到【霍斯默-萊梅肖檢驗(yàn)】，根據(jù)P值判斷模型的優(yōu)劣（P>0.05，說(shuō)明模型比較好）。對(duì)此結(jié)果的表述：該模型建模中，卡方值=6.48，P=0.594>0.05，模型建立良好。同時(shí)，【模型系數(shù)的Omnibus檢驗(yàn)】中的【模型】對(duì)應(yīng)的P=0.000，也能說(shuō)明模型建立良好，此處可說(shuō)可不說(shuō)。

3.2 看模型的預(yù)測(cè)率。下表數(shù)據(jù)顯示設(shè)定模型的預(yù)測(cè)正確率為84.5%，這算是高的，如果在50%以下就說(shuō)明這個(gè)模型設(shè)定的就沒(méi)什么意義。

3.3 看最終結(jié)果。B列是模型的系數(shù)，瓦爾德即卡方值，顯著性即P值，P<0.05為該變量顯著，Exp（B）即OR值，以學(xué)歷為例，可以解釋為：當(dāng)學(xué)歷提升一個(gè)等級(jí)的時(shí)候，老年人接受健康科普的概率是原學(xué)歷等級(jí)的1.258倍。（OR值>1的是危險(xiǎn)因素，0<OR值<1的保護(hù)因素）。