前面，我们讲了logistic回归，单因素logistic回归分析。今天，我们来讲解一个数据分析的全过程，即所谓的单因素和多因素分析。
案例：
分析有生育障碍的妇女进行注射HCG后卵巢反应的影响因素，研究收集的参与者数据有高反应和正常反应共336名。按照传统的统计学分析方法，先单因素分析再多因素分析，此处涉及数据隐私，仅放部分数据。
[分析]
以卵巢反应为分组变量，分析的因素有：年龄、吸烟史、不孕类型、妊娠史、BMI、初潮年龄、平均月经周期、不孕持续时间、窦卵泡计数、黄体生成素、MC3雌二醇、MC3孕酮、MC3卵泡刺激素、卵巢反应其中吸烟史、不孕类型和妊娠史为分类资料，其他为连续型资料。
1 单因素分析
连续型资料按资料的分布采用t检验或秩和检验，分类资料按数据的类型有卡方检验、秩和检验和秩相关等，详见列联表详解。此研究数据均为无序分类资料，因此仅采用卡方检验或fisher检验即可。
1.1 对连续的数据进行正态检验，正态的数据采用t检验，偏态的数据采用秩和检验
1.2 对分类的资料进行卡方检验
注：“-”为采用fisher检验
2 多因素分析
可以看出，当因素分析时，仅窦卵泡计数有模型，有统计学意义。因此，我们可以选择换一种回归方式进行logistic回归，此处选择逐步回归(因为只进入了一个因素，因此无论是逐步，向前或向后等方法，结果是一样)。
解释为，窦卵泡每增加一个，发生卵巢高反应的可能增加0.898倍(OR=1.898,95%CI:1.655-2.176)。
今天就分析到这里，我们下期再见！
— THE END —
如果觉得《logistic回归分析优点_数据统计的理解和应用（十二）多因素logistic回归案例分析...》对你有帮助，请点赞、收藏，并留下你的观点哦！
