Иллюстрированный самоучитель по SPSS 10/11

Бинарная логистическая регрессия

Рассчитанная вероятность для всех случаев и связанная с ней принадлежность к группе кодировка 1 для болен и 2 для здоров) добавлены к файлу под именами рге_1 и pgr_l.

Теперь подключим к нашему анализу тест LAI. Дополнительно к переменной tzell теперь в поле ковариат поместите и переменную lai.

Расчет выдаст сначала заметно снизившееся значение -2LL (хи-квадрат = 25.668) и следующую классификационную таблицу. Доля правильно спрогнозированных диагнозов незначительно выросла (с 77.8% до 80.0%).

Classification Table (Классификационная таблица)а

Observed (Наблюдаемый показатель) Predicted (Спрогнозировано)
Группа Percentage Correct (Процентный показатель верных показателей)
Krank (болен) Gesund (здоров)
Шаг 1 GRUPPE (Группа) Krank (болен) 20 4 83.3
Gesund (здоров) 5 16 76.2
Overall Percentage (Суммарный процентный показатель)       80.0
  • а. The cut value is 0.500 (Разделительное значение равно 0.500)

Количество ложно отрицательных диагнозов снизилось на 2, а количество ложно положительных повысилось на 1. Для коэффициентов получим:

Variables in the Equation (Переменные в уравнении)

    В (Коэффициент регрессии В) S.E. Стандартная ошибка) Wald (Вальд) df Sig. (Значимость) Ехр (В)
Step 1 (Шаг 1) TZELL 0.201 0.094 4.574 1 0.32 1.222
LAI 2.205 0.877 6.324 1 0.012 9.074
Constant (Константа) -14.645 6.328 5.356 1 0.021 0.000
  • a. Variable(s) entered on step 1: TZELL, LAI. (Переменные, вводимые на шаге 1: TZELL, LAI)

Для обследуемого с типизированным числом Т-клеток равным 72 получилась вероятность оказаться здоровым р = 0.735. Если в дополнении к этому и тест LAI отрицателен (кодировка 1), то эта же вероятность рассчитывается следующим образом:

Иллюстрированный самоучитель по SPSS 10/11 › Регрессионный анализ › Бинарная логистическая регрессия

Вероятность, оказаться здоровым, при наличии данных уже двух диагностических методов значительно возросла.

Еще один пример из области медицины, теперь уже с большим количеством независимых переменных, должен помочь нам разобраться в пошаговом методе анализа. Кроме того, в состав независимых переменных будет включена категориальная переменная.

Для данного примера в некоторой клинике со специальными автоматизированными методиками лечения были накоплены данные о пациентах с тяжелыми (или даже смертельными) повреждениями легких. Из большого количества переменных были выбраны следующие:

Имя переменной Расшифровка
out Исход (0 = скончался, 1 = выздоровел)
Alter (возраст) Возраст
bzeit Время проведения искусственного дыхания в часах
kob Концентрация кислорода в воздушной массе для искусственного дыхания
адд Интенсивность искусственного дыхания
gesch (пол) Пол (1 = мужской, 2 = женский)
gr Рост
ursache (причина) Причина повреждения легких (1 = несчастный случай, 2 = воспаление легких, 3 = прочее)

Наряду с переменной out (исход), имеются переменные, при первом же взгляде на которые можно понять, что они с ней связаны. Причина повреждения легких является категориальной переменной, которая перед проведением анализа должна быть преобразована в несколько дихотомических переменных (к примеру, несчастный случай: да – нет).

Если Вы заметили ошибку, выделите, пожалуйста, необходимый текст и нажмите CTRL + Enter, чтобы сообщить об этом редактору.