SPSS应用多元逻辑回归解决无序多分类问题

什么是无序多分类？举一个例子，当我们要研究基因突变与疾病之间的关系时，因变量就是疾病的各种分类，如乳癌、胃癌、鳞癌等多种，此时因变量不是简单的患病和不患病，且他们之间是无序的，这就是无序多分类。

当我们要研究自变量与无序多分类因变量之间的关系时，就需要使用到SPSS软件带有的多元逻辑回归模型，下面我来讲解下如何使用。

一、操作演示

如图1所示，我们在IBM SPSS Statistics中建立一组数据，其中有三个变量：ID代表患者编号，第二栏的疾病类型代表因变量，第三栏的是否基因突变代表自变量。

图1：演示数据

点击【分析】--【回归】--【多元Logistic】，如图2，打开多元逻辑回归界面。

图2：多元逻辑回归

首先我们将疾病类型选入因变量的位置，是否基因突变选入因子的位置，如果自变量中还有其他的连续型变量，则需要放入协变量位置，具体见图3。

图3：放入因变量和因子

由于我们的因变量疾病类型是多分类变量，而多元逻辑回归的原理是先指定一个类别为参考类别，然后将其他类别分别与参考类别对比。

因此我们需要点击“参考类别”按钮，然后决定我们要作为参考类别的值，比如我们将0作为参考类别，则选择“第一个类别”或者选择“定制”类别，然后输入值为0。

图4：设定参考类别

二、结果分析

设定后，我们点击“继续”和“确定”保存设置，等待SPSS生成多元逻辑回归的计算结果。

其中，模型拟合信息表格给出了模型拟合好坏的信息。当中-2对数似然的值越小越好，从结果中可以看出，加入自变量后的模型比只有常数项的模型拟合要好（27.311<80.234），显著性结果小于0.001，说明自变量是否基因突变的加入是有统计学意义的。

图5：模型拟合信息

另外，参数估计值表格，以腺癌组为例，X=0相比于X=1，系数值Exp（B）为0.068，说明基因X未突变者患腺癌的风险是突变者患腺癌风险的1/0.068即14.71倍。另外，显著性<0.001，说明腺癌这个系统是具有统计学意义的。

图6：参数估算值表格

最后通过上述的分析，我们可以得出结论：基因X突变患者相比于未突变患者，其发生某恶性肿瘤类型为腺癌、鳞癌和大细胞癌的风险分别为14.71、3.66和8.93倍，这说明基因突变与各类型都具有一定的关系。这就是本节关于IBM SPSS Statistic进行多分类逻辑回归的相关教程了，更多教程尽在城东书院网站上。