上期学习了怎样汇总单因素 Cox 回归的结果，这期学习单因素 Logistic 回归分的汇总，由于使用的是 coxph和 glm 两个函数结果的展示有所不同，因此整理过程略有不同，但是提取的信息是一致的。
01 单因素 Logistic 回归分析方法
Logistic 回归模型是一种概率模型它是以某一事件发生与否的概率 P 为因变量，以影响 P的因素为自变量建立的回归模型，分析某事件发生的概率与自变量之间的关系，是一种非线性回归模型。
Logistic 回归模型适用适用于因变量为:
- 二项分类
- 多项分类（有序、无序）的资料。
`
library(rms)#可实现逻辑回归模型（lrm）
library(survival)
library(“survminer”)
data(“lung”)
head(lung)
table(lung$status)
1 2
63 165
#Error in eval(family$initialize) : y values must be 0 <= 0 1 63 165 y <=”1″ lung$status=”ifelse(lung$status==1,0,1)” table(lung$status) fit<-glm(status~sex,family=”binomial,” data=”lung)” summary(fit) call: glm(formula=”status” ~ sex, family=”binomial,” deviance residuals: min 1q median 3q max -1.8271 -1.3333 0.6462 1.0291 coefficients: estimate std. error z value pr(>|z|)
(Intercept) 2.5614 0.4852 5.279 1.3e-07
sex -1.1010 0.3054 -3.605 0.000312
Original: https://blog.csdn.net/weixin_41368414/article/details/122535008
Author: 桓峰基因
Title: Topic 10. 单因素 Logistic 回归分析—单因素分析表格
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/630573/
转载文章受原作者版权保护。转载请注明原作者出处！