logistic回归
logistic回归基本过程介绍
目前风暴统计平台可以非常快速准确的完成logistic回归，只需2步!
全部是菜单式操作，完成后，界面直接给出规范三线表结果！还可以随着变量的调整实时更新结果，在数据探索初期，可以节省不少工作量！在撰写报告时，也不用再手工绘制三线表，填写数据了！统计小白也可以轻松上手！
logistic回归自变量选择
首先，选入变量，包括因变量、定量自变量、分类自变量。
因变量
这里因变量建议使用0和1进行表示，0代表阴性结局（如：未患病、二分类变量中值较小的组），1代表阳性结局（如：患病或二分类结局中值较大的组)。
定量自变量
平台会将分类数大于5的变量自动归为定量自变量，并在选取定量自变量时，优先显示在上方，便于选取。
分类自变量
同理，分类数小于5类的变量归入分类变量，在选取变量时，优先显示分类变量。
假如分析中确实存在分类数大于5的分类变量，被平台归为了定量型，那么在分类自变量这里也是可以直接选取的（如上图中的”time”变量），回归结果也将按照分类数据进行展示。
接着，选择自变量的筛选方式，包括先单后多法、逐步回归法。
开展先单后多方法分析
根据研究需要，如果需要开展先单后多的自变量筛选方式，那么“是否开展逐步回归分析”选择”否”。
P阈值自行选择，如果自变量个数过少，可以适当放宽标准，0.1、0.2也都是可以的。当选择不限制时，选入的全部自变量都将纳入多因素回归分析。
开展逐步回归方法分析
逐步回归方法，平台也提供了多种选择：双向逐步回归，向前逐步回归，向后逐步回归以及考虑到有时P值大于0.05的变量在逐步回归时也会留在模型中，新增了根据P<0.05的原则开展逐步回归！
注：先单后多与逐步回归是两种不同的自变量筛选方式，先单后多主要根据单因素P阈值进行筛选；逐步回归则是通过变量的逐个纳入与剔除，以AIC值最小作为最优模型选择准则。因此有些变量P值大于预设的阈值但仍保留在逐步回归模型中也是正常的哦，想要避免这种情况的发生，可以选择”根据P<0.05筛选”的逐步回归！
下载结果
平台给出了多种结果展示，仅展示单因素回归结果，仅展示多因素回归结果，单因素+多因素显示在同一个表格中!
然后也可以选择小数位数，默认情况下，P值为3位小数，其他统计量为2位小数。
指定小数位数后，P值与统计量的小数位数将会统一。调整完成后，下载最终的三线表结果，平台支持下载excel或word！
查看R语言分析源码
目前风暴统计还会给出R语言输出结果，回归残差分析图，方差膨胀因子（VIF）。
有全因素模型和逐步回归法模型，本案例未进行逐步回归，因此仅展示全因素模型。
这里简单解释一下方差膨胀因子：方差膨胀因子是检验自变量间共线性问题的常用方法，如果自变量间共线性过强，会导致分析结果不稳定，还可能出现回归系数的符号与实际情况完全相反的情况。
