cox回归分析和logistic区别

cox回归分析和logistic区别有哪些

从分析的因素上看，有单因素分析和多因素分析。正如“连续资料的单因素分析常用t检验、方差分析，对应的多因素分析是多重线性回归”、“分类资料的单因素分析方法卡方分析，对应的多因素分析有logistic回归”一样，生存分析的常用单因素（或少数因素）的分析有Life Tables法、Kaplan-Meier法，对应的多因素模型则常用Cox回归模型（Cox风险比例模型）。

cox和logistic介绍

logistic 回归， 与线性回归并成为两大回归，应用范围一点不亚于线性回归，甚至有青出于蓝之势。因为 logistic 回归太好用了，而且太有实际意义了。解释 起来直接就可以说，如果具有某个危险因素，发病风险增加 2.3 倍，听起来多 么地让人通俗易懂。 线性回归相比之下其实际意义就弱了。 logistic 回归与线性 回归恰好相反，因变量一定要是分类变量，不可能是连续变量。分类变量既可 以是二分类，也可以是多分类，多分类中既可以是有序，也可以是无序。二分 类 logistic 回归有时候根据研究目的又分为条件 logistic 回归和非条件 logistic 回归。条件 logistic 回归用于配对资料的分析，非条件 logistic 回归用于非配 对资料的分析，也就是直接随机抽样的资料。无序多分类 logistic 回归有时候 也成为多项 logit 模型，有序 logistic 回归有时也称为累积比数 logit 模型。 

cox 回归的因变量就有些特殊，因为他的因变量必须同时有2个，一个代表状态，必须是分类变量，一个代表时间，应该是连续变量。只有同时 具有这两个变量，才能用 cox 回归分析。 cox 回归主要用于生存资料的分析， 生存资料至少有两个结局变量，一是死亡状态，是活着还是死亡?二是死亡时 间，如果死亡，什么时间死亡?如果活着，从开始观察到结束时有多久了?所 以有了这两个变量，就可以考虑用 cox 回归分析。