教程 · 2026-06-17

Logistic 回归分析怎么做？二元模型、OR 值与结果解读

Logistic 回归分析中文指南：先按二元、多分类、有序结局选择模型，再核对变量编码、OR 与置信区间、拟合和诊断，避免把不同模型混为一谈。

Logistic 回归不是一个可以套到所有分类结局上的单一按钮。开始分析前，先看因变量有几个类别、类别有没有自然顺序，再决定模型；之后才是变量编码、OR、置信区间和拟合诊断。

本文重点解释最常见的二元 Logistic 回归。如果你的结局是三类以上或有明确等级，应先完成模型分流，不能直接沿用二元模型的输出和解释。

“logistics 回归分析”是什么：先纠正规范名称

“logistics 回归分析”是用户检索时的常见搜索拼写，统计学中的规范名称是 Logistic 回归；英文 logistics 通常指物流领域，不是这里讨论的统计模型。

拼写差异不会产生一种新的回归方法。实际分析仍要先看因变量：两个互斥结果通常进入二元 Logistic 回归；三个及以上无序类别、有序类别则要分别匹配多分类或有序模型。本文后续聚焦当前可承接的二元模型，并用 Logistic 作为统一名称。

二元、多分类、有序 Logistic：先按因变量分流

二元 Logistic：因变量只有两个互斥结果，例如是否患病、是否购买、是否通过。当前页面和当前页面对应的分析入口只承接二元 Logistic 的基础建模与结果核对。
多分类 Logistic：因变量有三个或更多、类别之间没有自然顺序，例如品牌 A/B/C。多分类模型会分别比较各类别与参照类别，参数数量和解释方式不能沿用二元模型，需另行确认匹配的工具与实现。
有序 Logistic：因变量有三个或更多且存在自然顺序，并需检查比例优势或平行线假设，例如低/中/高满意度；若假设不满足，应另行确认部分比例优势模型或其他方案。

若因变量本来是连续量，不要为了使用 Logistic 回归随意二分。人为切点会损失信息，也可能改变结论。更完整的选择树可读二元、多分类与有序 Logistic 怎么选。

二元 Logistic 回归回答什么问题

设事件发生概率为 P，二元 Logistic 回归建模的是对数优势：

logit(P) = ln[P / (1 - P)] = b0 + b1X1 + ... + bkXk

系数 b 经过指数变换得到 OR = exp(b)：

OR > 1：在其他变量保持不变时，X 增加一个单位与事件优势升高相关；
OR < 1：与事件优势降低相关；
OR = 1：点估计对应没有优势变化；
95% 置信区间包含 1：当前数据不足以排除无关联，但不等于已经证明没有关系。

OR 描述的是优势比，不是概率倍数。事件较常见时，OR 和风险比可能差异明显，报告中不能混用。

第一步：定义事件与变量编码

分析前应建立数据字典：

项目	要核对的内容
因变量	哪个值代表事件，哪个值是非事件；是否存在其他类别或缺失码
连续自变量	单位是否有意义，是否需要按 10 单位或一个标准差解释
分类自变量	参照组是谁，虚拟变量如何编码
有序自变量	是按连续趋势处理，还是作为分类变量进入模型
缺失值	删除或插补规则是否事先说明

例如，若 hypertension = 1 表示确诊，0 表示未确诊，则 OR 解释的是确诊优势。若编码相反，系数方向和 OR 解释也会反过来。

第二步：先看样本与事件数

先报告总样本量、事件数、非事件数和各预测变量的缺失情况。预测变量很多而事件很少时，模型容易过拟合，系数和区间会不稳定。

“每个变量至少 10 个事件”只能作为粗略提醒，不是通用保证。所需信息量还取决于效应大小、变量分布、非线性、缺失和惩罚方法。应结合研究设计与适当的样本量评估，而不是用单一经验数字替代判断。

第三步：检查模型设定

二元 Logistic 不要求自变量或残差正态，但仍需检查：

连续变量与 logit 的关系是否近似线性；
分类变量参照组是否符合研究问题；
自变量之间是否存在严重共线性；
是否有完全或近完全分离；
交互项、非线性项和控制变量是否有理论依据；
观测是否独立，若存在聚类或重复测量，是否需要匹配的模型。

不要先做一轮单因素筛选，再仅按 p 值决定谁能进入多因素模型。重要混杂因素可能在单因素分析中不显著，但仍应依据理论与设计保留。

第四步：按顺序阅读结果

建议按以下顺序读表：

确认模型使用的样本数和事件编码；
查看整体模型与基准模型的比较，但不把一个拟合指标当成唯一门槛；
查看每个变量的 b、SE、OR、95% CI 和精确 p 值；
检查拟合、区分度与校准，它们回答的问题不同；
回到研究设计，判断措辞应使用“关联”“预测”还是在强设计下讨论因果。

OR 报告示例

在控制年龄与吸烟状态后，BMI 每增加 1 kg/m² 与高血压优势升高相关，OR = 1.12，95% CI [1.05, 1.19]，p < .001。

这里的 1.12 不是“患病概率增加 12%”。若要表达预测概率，应在明确其他变量取值的条件下计算边际概率或预测概率。

第五步：区分拟合、区分度与校准

拟合比较：似然比检验、信息准则等用于比较特定模型；
区分度：ROC AUC 描述模型区分事件与非事件的能力；
校准：比较预测概率与实际发生率，不能只靠一个拟合优度检验；
内部验证：在预测研究中，可用重抽样或交叉验证评估乐观偏差。

高 AUC 不代表概率预测准确，也不自动说明模型可用于临床或业务决策。模型用途、阈值和外部验证需要另行论证。

可复用的分析请求清单

提交分析前，把下面信息写清楚：

因变量及事件编码；
每个自变量的类型、单位与参照组；
预先确定的控制变量和交互项；
需要报告的 OR、区间、拟合和诊断；
数据中的聚类、重复测量与缺失规则；
结果用于解释关联还是建立预测模型。

可进入 ChatSRS 按清单核对二元 Logistic 回归。平台输出仍需与数据字典、研究设计和原始结果逐项复核，研究者负责模型选择与最终结论。

常见问题

Q1：二元因变量可以用线性回归吗？

线性概率模型在特定研究中有其用途，但预测值可能超出 0 到 1，且误差结构需要稳健处理。若目标是常规二元结局建模和 OR 解释，二元 Logistic 通常更直接；最终仍取决于研究问题与估计目标。

Q2：OR 的置信区间包含 1，能写“没有影响”吗？

不能。更准确的写法是当前区间包含 1，数据没有提供足够精确的关联证据，并同时报告区间范围。因果用语还需要研究设计支持。

Q3：Hosmer-Lemeshow 检验不显著就说明模型好吗？

不能单独这样判断。该检验受样本量和分组方式影响，应与校准图、区分度、残差或影响点诊断及外部验证需求一起看。

Q4：多分类或有序结局能先合成二分类吗？

只有在切点具有明确临床、业务或理论含义且事先确定时才考虑。为了让模型更容易显著而事后合并类别，会损失信息并增加偏倚风险。