我们在前面的文章里已经讲解了因变量为连续数值型的回归（线性回归），因变量为对立二分类变量的回归（二元Logistic回归），及因变量为等级变量的回归（有序Logistic回归）。
《SPSS多元线性回归在医学统计分析中的应用操作及分析》
《SPSS二元Logistic回归在生物医药统计分析中的应用》
《SPSS有序Logistic回归在生物医药统计分析中的应用》
今天我们来详细讲解因变量为无序多分类变量--无序Logistic回归分析。下面通过实际案例来讲解。
我们搜集了257名患者的某疾病分型（分A/B/C三类），以及可能相关的影响因素，要分析这些可能影响因素中哪些确实能影响分型。（图1）
图1
无序Logistic回归的操作步骤：
①点击“分析”--“回归”--“多元Logistic”(图2)
图2
②分别将因变量，分类自变量（因子），连续自变量（协变量），选入对应的框内（图3）
图3
③设置，点击右侧“保存”按钮，将“保存的变量”下的四个标签全部勾选。点击继续后，再点击确定。（图4）
图4
④运行计算，结果分析
图5
由上表可以看出：在0.05的显著性水平下：
1.脂蛋白的显著性P<0.05，说明脂蛋白会显著影响患者的分型。回归系数为-0.003<0，说明脂蛋白越高，患者为A而不为C的概率就越低，EXP（B）=0.997，脂蛋白高1单位患者分型为A不为C的概率是脂蛋白低1单位患者的0.997倍。同理，脂蛋白高1单位患者分型为B不为C的概率是脂蛋白低1单位患者的0.999倍。
2.其余指标对分型影响则不显著
值得注意的是，这里我们做的是以分型C为参考类别，比较了A和C，B和C，因此，A和B没有比较，这里我们需要在之前的设置中，稍微调整一下，重新计算一下A和B之间的比较。
具体操作为，在回归变量设置窗口中，点击因变量下方的“参考类别”按钮，勾选“第一个类别”后，再继续确定计算。（图6）
图6
图7
由上表可以看出，以第一个类别A为参考类别，脑梗塞能显著影响分型，回归系数为1.468>0，EXP（B）为4.343，无脑梗塞患者为分型B不为C的概率显著高于有脑梗塞的患者，无脑梗塞患者为分型B不为C的概率是有脑梗塞患者的4.343倍。其余指标对分型的影响则不显著。
以上就是今天的课程，今后我们会推出更多更深入的SPSS医学生物医药统计分析方法与操作的视频及文章，并持续更新，敬请关注!
本期课程就到这里哦，感谢大家耐心观看！每日更新，敬请关注！
【杏花开生物医药统计】微信公众号（xhkdata）
【杏花开生物医药统计】相关文章：
· AMOS处理生物医药问卷中的中介效应分析
· AMOS进行问卷分析效度分析之验证因子分析
· SPSS调节回归分析在生物医药统计分析中应用
· SPSS重复测量方差分析在生物医药中的应用
· SPSS进行组间差异比较及其两两比较
· SPSS独立样本T检验与SPSS单因素方差分析
· GraphPad Prism绘制ROC曲线具体操作步骤
· SPSS进行连续型数据的正态分布检验
· SPSS有序Logistic回归的具体操作
· SPSS生存分析在生物医药统计中的应用之COX风险比例回归
· SPSS二元Logistic回归在生物医药统计分析中的应用
· Medcalc软件精准比较多个指标诊断准确率
· SPSS多元线性回归的应用操作及分析
· SPSS和GraphPad如何比较组内和组间差异
· AMOS结构方程进行医学问卷量表分析教程
· SPSS生存分析在生物医药统计中的应用
· GraphPad Prism统计绘图之柱状图、箱式图
· SPSS中对问卷数据进行探索因子分析的详细操作与结果解读
· SPSS问卷数据统计分析之项目分析
· Excel进行线性回归模型分析的操作
· SPSS中常用的参数和非参数检验方法
· ROC曲线在SPSS中的操作及应用
· 一文读懂R语言如何实现逐步回归分析
· R语言中如何绘制散点图和箱线图？
· SPSS中的Variable数据变量类型介绍
· 相关性分析在SPSS中的操作，相关系数含义
· 一文读懂SPSS单因素方差分析及方差分析
· 线性回归决定系数R方的计算方法及具体意义
· 医学和生物统计全过程
· 生物和医学统计中的假设检验
· GraphPad Prism绘制生存曲线详细教程