首先，使用ht、est、drug 三个变量作条件 logistic 回归。 . clogit y ht est drug, group(match)
结果显示，患高血压(ht)及使用其他药物 (drug)与子宫内膜癌无关，而使用过雌激素 者患子宫内膜癌的可能性比未使用过雌激素者 大。因此，可以进一步考虑剂量-反应关系。变 量剂量(dose)可以按两种方法处理，先按线 性形式进入模型，再以哑变量形式进入模型， 并比较两者的结果。
多类结果的logistic回归
在医学研究中，常常会遇到结果变 量是多分类的情况，如同一种肿 瘤的不同亚型；病例-对照研究 中的一个对照组，两个或多个病 例组；或一个病例组，两个或多 个对照组，如医院对照和健康人 群对照等。
用于多类结果的logistic 回归的命 令是mlogit。
mlogit [因变量 [自变量]] [, base (#) constraints(clist) level(#) rrr ]
命令： logit 因变量 [自变量] [,选择项]
在进行logistic 回归时要注意资料的形式。通常， 用于logistic 回归的资料有三种形式： (1) 分水平频数资料，一般自变量较少，且均为分 类变量，常以各变量(包括因变量、自变量)各水平 的组合的频数表形式出现。如例1。拟合时仍用上述 命令，只是命令中增加[fw=频数变量]选择项。
各变量定义如下：
1: match 配比组
2: y y=1：病例， y=0：对照
3: ht ht=0：无高血压， ht=1：有高血压
4: est est=0 未使用过雌激素， est=1：使用 过雌激素
5: dose 剂量：dose=0：未使用过， dose=1：0.1-0.299(mg/day)
6: drug drug=0：未使用其他药物， drug=1：使用了其他药物
clogit y ht dose drug, group(match）
结果显示，随着剂量的上升，服用 雌激素与患内膜癌间的联系也明显 上升，呈现出明显的剂量－反应关 系。这种关系是否为线性的？ dose 用哑变量形式是否更好？
xi : clogit y ht i.dose drug, group(match)
pr(#)是剔除变量的P 值，pe(#)是选 入变量的P 值，如果只选pr(#)，则表示 用后退法，如果同时选用pr(#)和pe(#) 表示逐步法。应用时，为防止计算进入死 循环，pr(#)须略大于pe(#)。例如， pe(0.05)，pr(0.051)。
1. 用逐步后退法，剔选6)，结果如 下：
也可以用logit命令
可以利用例3做逐步回归
Stata 用于逐步回归分析的命令是在要执行的命 令前增加sw 。
sw 回归命令 [因变量[自变量]], 筛选变量 的P 值 [选择项]
其中，筛选变量的P 值有3 种组合 pr(#) /* 后退法 pe(#) /* 向前法 pr(#) pe(#) /* 逐步后退法 pr(#) pe(#) forward /* 逐步向前法
应用Stata做logistic回归 何保昌
实际生活中经常会遇到因变量只有0和1的二分类变量， 不能满足正态性和方差齐性，故不能直接使用线性模型 来拟合方程。
Logistic回归正是处理因变量是二分类或多分类变量的 一种方法。现已广泛应用于队列研究，病例对照研究和 试验性研究，成为分类因变量的首选多变量分析模型。
分类
按因变量性质，可分为二分类、无序 多分类、有序多分类。
按是否匹配可分为非条件和条件 logistic回归。
Stata软件专门有一组命令用于做不同 类型的logistic回归，例如：logit、 blogit、glogit、clogit、mlogit、 ologit。
1.Logistic 回归
例5 产后大出血分为两大类：即宫缩乏力性 (称为子宫因素)及胎盘因素。在产后大出血 与有无妊高症x1及有无人流史x2的关系研 究中，将产后出血量<400ml的产妇作为 对照，出血量>400ml的作为病例，并分 为上述两类，共调查了933人，其中子宫因 素出血的155人，胎盘因素出血的33人， 对照745人。结果见表5。
sw logit y x1 x2 x3, pe(0.05) pr(0.06)
2. 用逐步前进法，剔选变量的概率不 变,结果如下：
sw logit y x1 x2 x3, pr(0.06) pe(0.05) forward
条件logistic 回归
非条件logistic 回归适用于平行组设计的病例-对 照研究，队列研究，而不适用于配比设计的病例 -对照研究。对于配比的病例-对照研究资料需要 用条件logistic 回归。其命令为：
clogit 因变量 [自变量] , group(配比变量) [ level(#) or ]
其中group()是必选项，它是用来区分各配比 组的。level(#)及or 的意义同logit。
例4 在子宫内膜癌与使用雌激素关系的研究 中，运用了1:4 的病例-对照研究，配比因 素为年龄，共调查了20 对，100 例。
(3) 个体水平资料，即一个观察对象一条记录。 如例3，直接使用logit 命令估计即可。
拟合模型后可以用指令predict 得到预测概率， 然后进行模型诊断、应用等。
例1 本例是探讨妇女使用雌激素与患 子宫内膜癌之间关系的病例-对照研 究资料，见表1
，请计算OR 及其95％可信区间。再 用logistic 回归估计参数，写出回 归方程，并说明回归系数与OR 的关 系。
(2) 分组频数资料，一般自变量较少，且均为 分类变量，常以各自变量(不包括因变量)各 水平的组合的频数表形式出现，因变量常表 达为分子与分母。如例2。用下列命令：
blogit 阳性数变量 总观察数变量 [，logit 命 令选择项]
或 glogit 阳性数变量 总观察数变量 [， level(#) or]