• 我要登录|
  • 免费注册
    |
  • 我的丁香通
    • 企业机构:
    • 成为企业机构
    • 个人用户:
    • 个人中心
  • 移动端
    移动端
丁香通 logo丁香实验_LOGO
搜实验

    大家都在搜

      大家都在搜

        0 人通过求购买到了急需的产品
        免费发布求购
        发布求购

        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?

        图片描述

        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

        ad image
        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