选择合适的回归模型，你会了吗？

回归分析常常出现于我们的科学研究中，线性回归、Logisitic回归、Possion回归、Cox回归，这些名字你一定都不陌生，我们通常采用回归分析来探索影响疾病的危险因素、校正混杂因素、预测疾病的发生情况等。

你是否也有这样的迷茫，见过了好多的回归分析，但依然不知在实际情况中该如何选择？

今天小编就整理了一份宝典送给大家，让你迅速get回归模型的选择。

Step1.首选明确你的因变量和自变量

因变量是我们俗称的Y, 通常来表示结局的变量。

自变量是我们俗称的X，通常作为解释Y的变量。

如分析性别、吸烟、肿瘤大小、Ki67、病理亚型对治疗疗效的影响，那么疗效就是因变量，而性别、吸烟、肿瘤大小、Ki67、病理亚型这5个都是自变量。

Step2.确定自变量和因变量的类型

确定自变量和因变量的数据类型（是属于分类变量、连续变量、有序变量，还是带有时间的生存变量？），然后对照小编整理的“分析模型宝典”就好啦！

表1. 分析模型宝典（包括但不仅限于回归分析）

确定了该采用什么样的回归模型，就可以开始操作了，鉴于市面上很多软件可以帮助我们来执行回归分析（SPSS, R, SAS, Matlab等），教程也有很多，小编在这里不做赘述。

练习时间：

比如上面的问题，由于因变量y是分类变量--疗效（好/差）

而自变量x既包含分类变量（性别、吸烟、病理亚型），又包含连续变量（肿瘤大小、Ki67），掐指一算（对照“分析模型宝典”），嗯，应该选择Logistic回归模型！