一．案例
案例来源：中华护理杂志2018年10期
关于轻度认知障碍（MCI）老年人精神行为症状及影响因素的调查研究。
方法：采用神经精神问卷（NPI-Q）知情者版，对60名社区初筛为MCI老年人的家属进行调查，根据回收到的有效数据分析MCI老年人精神行为症状的发生情况并研究其影响因素，以期为今后对MCI精神行为症状的预防和干预提供依据。
二．说明
看过的朋友应该记得，我们之前讲过这个案例，当时是以患者精神行为症状个数的分组为因变量进行的有序多分类logistic回归（案例分析 | 有序多分类logistic回归及SPSS操作），如果我们改变指标，将结局定为出现精神行为症状和未出现精神行为症状，此时因变量是一个二分类资料，那么对于该问题的研究就不能再使用有序多分类logistic回归，而是运用它专属的二分类logistic回归。各变量赋值方式如表1：
三．SPSS操作
1.操作步骤
将是否出现症状放入因变量，所有的自变量均放入协变量，方法栏选择输入（不同方法筛选出的变量可能不同），如下图所示：
关于上图中的‘分类’设置，该选项的作用是将多分类变量变换成哑变量，指定某一分类作为参照。在本研究中，年龄和文化程度为多分类变量，我们指定年龄为60-69岁，文化程度为小学及以下的研究对象为参照组，分别比较其他分类组对于患者精神行为症状的影响程度。
点击分类，出现如下对话框，将年龄和文化程度选入分类协变量，对比处选择指示符（最常用），参考类别选择第一个，点击继续。
点击选项，出现如下对话框，设置如下，点击继续，确定。
2.结果解读
（1）模型系数检验
模型一行输出了Logistic回归模型中所有参数是否均为0的似然比检验结果，P<0.05表示本次拟合的模型纳入的变量中，至少有一个变量的OR值有统计学意义，也就是模型有意义。由结果得P<0.001，即本次拟合模型有意义。
（2）拟合优度检验
当P值不小于检验水准时，认为当前数据中的信息已经被充分提取，模型的拟合优度较高。由结果得：P=0.357>0.05，认为该模型的拟合优度较好。
（3）模型情况
由表格可以看出，居住情况和睡眠情况2个变量对患者精神行为的症状的影响有统计学意义。其中Exp(B)（OR值）的含义为：相对于赋值较低的研究对象，赋值较高的研究对象出现精神行为症状的风险为多少。结果显示：与老伴和子女居住的患者比独居的患者更易出现精神行为症状（OR=0.016）；失眠的患者比睡眠正常的患者更易出现精神行为症状（OR=35.298）。
四．总结
线性回归和Logistic回归都可以利用模型来筛选危险因子，但是线性回归适用于因变量为连续型数值变量的分析，Logistic回归适用于因变量为分类变量的数据分析，实际研究中要根据不同的因变量类型选则正确的分析方法。
