一．案例

案例來源：中華護理雜志2018年10期

關于輕度認知障礙（MCI）老年人精神行為癥狀及影響因素的調查研究。

方法：采用神經精神問卷（NPI-Q）知情者版，對60名社區(qū)初篩為MCI老年人的家屬進行調查，根據回收到的有效數(shù)據分析MCI老年人精神行為癥狀的發(fā)生情況并研究其影響因素，以期為今后對MCI精神行為癥狀的預防和干預提供依據。

二．說明

看過的朋友應該記得，我們之前講過這個案例，當時是以患者精神行為癥狀個數(shù)的分組為因變量進行的有序多分類logistic回歸（案例分析 | 有序多分類logistic回歸及SPSS操作），如果我們改變指標，將結局定為出現(xiàn)精神行為癥狀和未出現(xiàn)精神行為癥狀，此時因變量是一個二分類資料，那么對于該問題的研究就不能再使用有序多分類logistic回歸，而是運用它專屬的二分類logistic回歸。各變量賦值方式如表1：

三．SPSS操作

1.操作步驟

將是否出現(xiàn)癥狀放入因變量，所有的自變量均放入協(xié)變量，方法欄選擇輸入（不同方法篩選出的變量可能不同），如下圖所示：

關于上圖中的‘分類’設置，該選項的作用是將多分類變量變換成啞變量，指定某一分類作為參照。在本研究中，年齡和文化程度為多分類變量，我們指定年齡為60-69歲，文化程度為小學及以下的研究對象為參照組，分別比較其他分類組對于患者精神行為癥狀的影響程度。

點擊分類，出現(xiàn)如下對話框，將年齡和文化程度選入分類協(xié)變量，對比處選擇指示符（最常用），參考類別選擇第一個，點擊繼續(xù)。

點擊選項，出現(xiàn)如下對話框，設置如下，點擊繼續(xù)，確定。

2.結果解讀

（1）模型系數(shù)檢驗

模型一行輸出了Logistic回歸模型中所有參數(shù)是否均為0的似然比檢驗結果，P<0.05表示本次擬合的模型納入的變量中，至少有一個變量的OR值有統(tǒng)計學意義，也就是模型有意義。由結果得P<0.001，即本次擬合模型有意義。

（2）擬合優(yōu)度檢驗

當P值不小于檢驗水準時，認為當前數(shù)據中的信息已經被充分提取，模型的擬合優(yōu)度較高。由結果得：P=0.357>0.05，認為該模型的擬合優(yōu)度較好。

（3）模型情況

由表格可以看出，居住情況和睡眠情況2個變量對患者精神行為的癥狀的影響有統(tǒng)計學意義。其中Exp(B)（OR值）的含義為：相對于賦值較低的研究對象，賦值較高的研究對象出現(xiàn)精神行為癥狀的風險為多少。結果顯示：與老伴和子女居住的患者比獨居的患者更易出現(xiàn)精神行為癥狀（OR=0.016）；失眠的患者比睡眠正常的患者更易出現(xiàn)精神行為癥狀（OR=35.298）。

四．總結

線性回歸和Logistic回歸都可以利用模型來篩選危險因子，但是線性回歸適用于因變量為連續(xù)型數(shù)值變量的分析，Logistic回歸適用于因變量為分類變量的數(shù)據分析，實際研究中要根據不同的因變量類型選則正確的分析方法。