【摘要】近年來，我國肺癌發(fā)病率一直居高不下，研究肺癌病人的生存時間，幫助醫(yī)學(xué)工作者制定相應(yīng)的醫(yī)療方案就顯的尤為重要。我們隨機的調(diào)查了40名肺癌患者的生存資料，分別通過了逐步回歸模型和Logistic回歸模型，通過對兩種模型計算結(jié)果的比較，來說明逐步回歸也是很適合做患者的生存時間預(yù)測。通過對患者的生存時間進行了客觀地預(yù)測和控制，從定量的角度分析患者的生存時間，這對醫(yī)學(xué)工作者具有一定的借鑒作用。

【關(guān)鍵詞】Logistic回歸；肺癌；生存時間；逐步回歸

1.引言

在實際問題中，人們總是希望從對因變量y有影響的諸多變量中選擇一些變量作為自變量，應(yīng)用多元回歸分析的方法建立“最優(yōu)”回歸方程以便對因變量進行預(yù)報或控制。Logistic回歸的因變量可以是二分類[1]，也可以是多分類，但是二分類的更為常用，也更加容易解釋，所以實際中最常用的就是二分類Logistic回歸。Logistic回歸模型主要在流行病學(xué)中較多[2]，比較常用的情形是探索某疾病的危險因素，根據(jù)危險因素預(yù)測某疾病發(fā)生的概率，為醫(yī)學(xué)工作這提供一定的借鑒。本文中我們應(yīng)用了兩種回歸模型來進行生存時間預(yù)報，通過比較兩種模型的結(jié)果，來說明逐步回歸模型也是很適合做肺癌病人的生存時間預(yù)測的，從而做回歸預(yù)測時就不局限于Logistic回歸模型，從而為醫(yī)學(xué)上診斷病情提供了更加廣泛的預(yù)測方法。

2.兩種回歸模型

2.1 逐步回歸法

逐步回歸的基本思想是：對全部因子按其對y影響程度大小，從大到小地依次逐個地引入回歸方程，并隨時對全部變量進行檢驗，看其是否仍然顯著，如不顯著就將其剔除，直到回歸方程中所含的所有變量對y的作用都顯著是，才考慮引入新的變量。再在剩下的未選因子中，選出對y作用最大者，檢驗其顯著性，顯著著，引入方程，不顯著，則不引入。直到最后再沒有顯著因子可以引入，也沒有不顯著的變量需要剔除為止。

逐步回歸分析時在考慮的全部自變量中按其對y的貢獻程度大小，由大到小地逐個引入回歸方程，而對那些對y作用不顯著的變量可能是中不被引入回歸方程。另外，已被引入回歸方程的變量在引入新變量進行F檢驗后失去重要性時[3]，需要從回歸方程中剔除出去。

4.結(jié)論

通過比較，兩種回歸模型所得到的結(jié)果幾乎是相同的。即：若患者的生活行動能力評分相同，當時，鱗癌患者的生存時間大于等于200天的概率最大，為66.68006%；大型細胞癌患者生存時間大于等于200天的概率最小，為6.404569%；小型細胞癌患者、腺癌患者生存時間生存時間大于等于200天的概率分別是39.37706%和17.41164%，且鱗癌患者的生存概率是大型細胞癌患者生存概率的11倍。所以我們可以得到，逐步回歸也是很適合做流行病的預(yù)測和診斷。

參考文獻

[1]薛毅，陳立萍.統(tǒng)計建模與R軟件[M].北京：清華大學(xué)出版社，2006：279-335.

[2]魏宗舒.概率與數(shù)理統(tǒng)計教程[M].高等教育出版社，1983.

[3]余錦華，楊維權(quán).多元統(tǒng)計分析與應(yīng)用[M].廣州：中山大學(xué)出版社，2005.

[4]Trevor Hastie，Robert Tibshirni，Jerhome Friedman.The Element of Statistical Learning Data Mining，Inference，and Prediction.Print5 edtion，2011.

[5]王斌會.多元統(tǒng)計分析及R語言建模[M].廣東：暨南大學(xué)出版社，2010：130-138.

[6]陳鋒.醫(yī)用多元統(tǒng)計分析方法[M].北京：中國衛(wèi)生統(tǒng)計出版社，2001：109-124.

作者簡介：孟凡秀（1986—），女，山東棗莊人，碩士研究生，主要從事運籌學(xué)、供應(yīng)鏈庫存管理方面的研究。