一种logistic回归率比估计方法的SAS实现

一种logistic回归率比估计方法的SAS实现*

高文龙1，2刘小宁1颜 虹2△ 【期刊名称】中国卫生统计 【年(卷),期】2014(031)003 【总页数】2

在流行病学中，对于发病率较低的疾病，OR可以作为相对危险度或率比（RR：relative risk/rate ratio）的近似估计，因此能够被用来评估某一因素风险的大小。但是，对于一些发病率较高的疾病来说，此时用OR值会高估风险大小［1］，此时宜用RR值来评估风险的大小更为合适。本文在SAS软件中利用logistic回归实现Schouten等人提出的扩充原始数据集估计率比的方法［2］，为科学工作者准确地评价某一因素对疾病的风险提供了新的思路。

参数估计方法实现的原理

对于发病率较低的疾病而言，比值比可以作为相对危险度（RR）的近似估计。因此，在logistic回归中，当得到某一因素的回归系数估计值后，便可以得到危险因素不同水平下RR的近似估计值。此时如下式（2）所示：

但是，很多情形下疾病的发病率较高，此时，须采用RR值来评价因素风险的大小。下面扩充数据集后采用logistic回归的方法能够直接得到某一因素RR值的精确估计。

扩充数据集估计率比的原理：Schouten等人提出了一种扩充原始数据集利用logistic回归来实现率比估计方法［2］。扩充数据集（EDS：expanded data set）的产生过程如下：在原始数据集（ODS：original data set）中每一个病例组数据复制后设置成非病例数据。此时，新的数据集由三部分构成：原始病