当研究两个因素或多个因素之间的因果关系时，常用线性回归或Logistic回归进行统计验证。其中，当数据是连续型变量时，用线性回归；当数据是分类响应变量时，用Logistic回归。Logistic回归经常用于生物、医学和经济等领域中。如研究吸烟对肺癌的影响。
Logistic回归又包含有binary logistic regression和multinomial logistic regression。前者为结果只有两种-“failed”和“pass”，可记为0和1。后者结果有多种，如疾病A、疾病B、疾病C....
Reference:
https://en.wikipedia.org/wiki/Multinomial_logistic_regression
https://en.wikipedia.org/wiki/Logistic_regression
在Logistic回归分析中就涉及到odds ratio和Relative Risk，这里有个知乎讲得就很好了，就不赘述了
Reference：
https://medium.com/@chungyizhen/%E7%82%BA%E4%BB%80%E9%BA%BC%E9%83%BD%E7%94%A8-%E5%8B%9D%E7%AE%97%E6%AF%94-odds-ratio-or-%E8%80%8C%E4%B8%8D%E6%98%AF-%E7%9B%B8%E5%B0%8D%E9%A2%A8%E9%9A%AA-rr-%E5%91%A2-5c62fe84787c
此外，odds ratio计算时，又涉及到covariate adjustment，如上述提到的吸烟对肺癌的影响，还需同时进行race、gender、age等因素的矫正，虽然好像SPSS能简单操作，但目前还不太清楚原理是如何矫正地，这里有个解释，没太看懂，等后面看懂了再补充。
Reference：
https://www.researchgate.net/post/How_can_i_adjust_parameters_in_logistic_regression
网友评论