解读完全不同。很多人对此不甚理解，常常用一种逐步回归方法构 建危险因素分析的模型，对结果也不知道怎么解读，有很多混淆。 这个教程的目的旨在帮助大家理清这个问题。
流行病学分析是为了确定危险因素与结果变量之间是否有联系，危 险因素对结果变量的作用大小（即效应）。
表1 效应的估计和结果变量与危险因素的类型
0.28 ( 0.01, 0.55) 0.044
X4 3.32 ( 0.37, 6.27) 0.028
2.30 ( -0.59, 5.19) 0.119
X5 5.22 ( 2.91, 7.53) <0.001 注：β（95% CI ） p 值
4.81 ( 2.60, 7.02) <0.001
广义多元线性回归方程的构建
结果变量（Y） 危险因素（X）
效应测量
统计检验
连续性, 如收缩压 连续性, 如收缩压 分类型, 如是否高血压 分类型, 如是否高血压
分类型, 如是否吸烟 连续性, 如体重指数 分类型, 如是否吸烟 连续性, 如体重指数
吸烟者与不吸烟者收缩压的差（β） H0:β=0 及其标准误 BMI每增加一个单位SBP增加多少 H0:β=0 （β）及其标准误 吸烟者与不吸烟者高血压发生率比 H0:OR=1 （OR）及其95% 可信区间 BMI每增加一个单位高血压发生率比 H0:OR=1 （OR）及其95% 可信区间
广义多元线性回归方程的构建
广义多元线性回归方程的构建
【结果解读】 这是输出结果（只列出了SBP部分，DBP部分略），看表头：Y是结
果变量，X是危险因素，C是可能要调整的变量。按照前面的讲解，先看 C与Y关系的P值。接着看在基本模型中引进C，X的回归系数的变化。如 这里基本模型是：SBP=体重指数+年龄，在这个模型中，体重指数的回 归系数是0.615，引进是否吸烟后，变成了0.609，变化了0.9%。再看在 完整模型中剔除C，这里完整模型是SBP=体重指数+年龄+是否吸烟+文化 程度+被动吸烟+职业+是否饮酒，在这个模型中体重指数的回归系数是 0.710，剔除“是否吸烟”后，变成了0.721，变化了1.5%。依此类推。 最后软件建议要调整EDU（文化程度）与OCCU（职业）。
X4 2.30 ( -0.59, 5.19) 0.119 2.28 ( -0.60, 5.17) 0.122
X5 4.81 ( 2.60, 7.02) <0.001 4.93 ( 2.80, 7.06) <0.001 4.77 ( 2.65, 6.90) <0.001 注：β（95% CI ） p 值
广义多元线性回归方程的构建
【独立作用】
广义多元线性模型的第一大用途是在危险因素研究中，得出独立作 用。什么是独立作用？为什么要评价独立作用呢？
如研究肥胖与高血压关系，比较论文中可能的几种结论： 1. 胖子与瘦子相比，收缩压有显著差别（P<0.005）。
这个结论是用t检验比较两组均数得出的。这有没有说清楚呢？没有。 2. 体重指数与收缩压，非常显著相关（P<0.0001）。
【实例】
多元回归分析，目的是看危险因素（X）对结果变量（Y）作用中， 有没有其它因素的作用在内，有没有把其它因素的功劳，记到了X的头
上（即有没有不完全混杂）。调整的目的是，把其它因素的作用剥离出 去，正确评价X对Y的作用大小。看下表中的例子：结局变量是Y2 1. 先对Y2 与X1、X2、X3、X4、X5的关系逐个做单因素分析。除X1
3. 接着看表3，X1不显著，把X1从模型中剔出，得出方程二：X2 的回 归系数还是没变化；X3 也没变；X4、X5变化很小。
4. 鉴于X4不显著，再把X4从模型中剔出，得方程三：X2回归系数还 是没变，X3 的回归系数从0.28升到0.36，变化很大，X5有一点变化。
【解读】
（1）不论调整什么，X2的回归系数都没变化，这是为什么呢？ •是因为X2 与X1、X3、X4、X5都没有关系。
（4）最后选哪个方程放在文章中呢？ •如果分析的目的，是确定X3对Y2的作用，就应该选方程二，因为 方程二中的回归系数，更确切地表达了X3对Y2的作用。而不能因 为X4 的p值不显著，就不调整X4，因为p值受样本量的影响。
广义多元线性回归方程的构建
【构建步骤和标准】 在分析X对Y的作用时，是否要调整 “C” 呢？
【软件操作】 例如，要分析易侕统计软件自带的练习数据“dome”，研究体重指数 对SBP、DBP的独立作用大小，操作见下图：
•选择“数据分析”—“协变量检查与筛选” •给 出 研 究 假 设 中 的 结 果 变 量 Y ， 这 里 如 SBP 、 DBP ， 可 以 同 时 做 多 个 Y （分别建模） •危险因素X变量，如体重指数 •作者认为年龄是固定要调整的变量，放在固定要调整的变量处。 •其它变量如是否吸烟、文化程度、被动吸烟、职业、是否饮酒是否需 要调整呢？放在要检查与筛选的变量处 •点击查看结果
图1 按吸烟情况分组身高的箱图
按性别分开：男性身高比女性 高；男性里，吸烟者与不吸烟 者身高没有多大差异；女性里， 吸烟者与不吸烟者身高也没有 多大差异。
•不吸烟者219个女性，57个男 性，即不吸烟者主要是女性； •吸 烟 者 中 139 个 男 性 ， 只 有 7 个女性，即吸烟者主要是男性。
不吸烟 吸烟 不吸烟 吸烟
数据分析基础
广义多元线性回归方程的构建
广义多元线性回归方程的构建 【文献回顾】
这是一篇2014年发表在新英格兰医学杂志（影响因子55.8分）的 论文[1]，研究妊娠期是否能用抗抑郁药，结果表明妊娠初期使用抗抑 郁药不显著增加新生儿心脏畸形。（CONCLUSIONS The results of this large, population-based cohort study suggested no substantial increase in the risk of cardiac malformations attributable to antidepressant use during the first trimester. ）
（2）X5的回归系数有变化，但不大，是为什么？ •是因为X5与其它X有相关，但关系不强。
（3）调整X4 与不调整X4，X3 的回归系数变化很大，这是为什么呢？ •是因为X3 与X4 关系较大，不调整X4，X4 的作用就加到X3身上 去了；调整了X4 ，就是把X4 的作用从X3中剥离出来，这时看到 X3 的回归系数就变小了。
文章统计学方法部分开篇写到：
统计学方法里写到的独立作用的风险（absolute risk）是什么？是 如何通过回归分析（Logistic-regression analysis）得出的？为什么要这 样做？是怎么用软件实现的？
上述问题，将在本篇中讲解。
广义多元线性回归方程的构建
【概念】
这里指的多元线性模型，是广义线性模型，应变量（Y）的分布类 型可以是：正态分布（gaussian）、两分类分布（binomial）、泊松分布、 负二项分布等，不同的分布类型对应不同的联系函数f(Y)。
这是用相关分析做的。这有没有说清楚呢？也没有。 3. 体重指数每增加1kg，收缩压增加0.01 mmHg，P<0.00001。
这是用回归方程做出来的。统计上非常显著。它也告诉我们，每降 低体重1公斤，能降低血压0.01 mmHg，这个0.01就没有临床意义了，因 为控制体重能导致的降压幅度太小。另外这个0.01里面有没有其它因素 的作用在内呢？不知道。
表3 结局变量Y2和各危险因素的多因素分析
方程一
方程二
方程三
X1 0.11 ( -0.42, 0.65) 0.679
X2 0.47 ( 0.36, 0.58) <0.001 0.47 ( 0.36, 0.57) <0.001 0.47 ( 0.36, 0.58) <0.001
X3 0.28 ( 0.01, 0.55) 0.044 0.28 ( 0.01, 0.55) 0.046 0.36 ( 0.11, 0.61) 0.005
4. 在控制了其它因素的作用下，体重指数每增加1kg，收缩压增加 1mmHg，95%可信区间0.7-1.3mmHg。
根据可信区间知统计上显著。而且每降低体重1公斤，能降低血压 1mmHg，有临床应用价值。这个结果是用多元回归方程做出来的，控制 了其它因素的作用，得出的回归系数1mmHg是体重指数对收缩压的独立 作用。可以想象当临床上遇到一个高血压并肥胖的病人，根据这个结果 就可以告诉他仅降低体重这一项就能降低血压多少，如果病人又吸烟又 饮酒，可根据相应的文献告诉他，如果戒烟又能降低血压多少，戒酒又 能降多少，这就是临床价值的体现。
表2 结局变量Y2和各危险因素的单因素和多因素分析
单因素分析
多因素分析（方程一）
X1 0.30 (-0.28, 0.87) 0.311
0.11 ( -0.42, 0.65) 0.679
X2 0.47 ( 0.36, 0.59) <0.001
0.47 ( 0.36, 0.58) <0.001
X3 0.41 ( 0.13, 0.68) 0.004
外，其它4个X与Y2均有显著性关系。 2. 再作多元回归模型，把5个X同时放入模型中，结果X1 还是不显著，
X2、X3、X5仍然显著，X4变得不显著了。 这里注意每个回归系数的变化：
•X2没变化； •X3变化较大，从0.41变成0.28； •X4变化也较大，从3.32变成2.30； •X5有一点变化，但不很大。 问题是：X3的回归系数为什么会变化很大呢？
1
先看“C”与Y有没有联系，用单 因素分析，看“C”的P值。
Y = β0 + β1 C
2 再看调整“C”与不调整“C”，X
对Y的作用是否有变化。先运行 基本模型，记录β1 ，再在该模 型中加入“C”，看β1变化多大？