今天下午碰到一个老师咨询我有关Logistic回归结果解读的问题，我觉得有必要给大家整理分享一下。
首先，我们要先了解什么是Logistic回归？
logistic回归主要用来预测离散因变量（分类因变量）与一组解释变量（自变量）之间的关系。最常用的是二分类logistic，即因变量的取值只包含两个类别，例如：“好”和“坏” ；“发生”和“不发生”。那么，因变量常用Y=1（发生）或Y=0（不发生）表示， X则表示自变量。
比如，我们想了解一下影响直肠癌术后患者对手术决策的满意度情况，那么我们研究的问题就是“满意度”——结局自然分成两类：“满意”和“不满意”。探讨一下①医生与患者实际交流程度②担心手术失败③是否通过与家人交流了解治疗方案信息等几个因素对“满意度”的影响。那么， 因变量就是“满意”和“不满意”，自变量就是上面的①②③，这个时候就是要采用Logistic回归分析。
Logistic回归分析简单说就是为了分析因变量发生概率大小的。比如说，分析在“①医生与患者实际交流程度”情况下，发生“不满意”的概率是多少？
用公式来表示就是：
P（Y=1|X）表示在X的条件下Y=1的概率；
logistic回归的数学表达式为：
log（p/1-p）=A+BX ＝Ｌ，其中p/1-p称为优势比（ODDS） 即发生与不发生的概率之比。
而Logistic回归给出的OR(odds ratio)值是用来表示相对于某一人群，另一人群发生终点事件的风险超出或减少的程度。公式：
如不同性别的胃癌发生危险不同，通过Logistic回归可以求出危险度的具体数值，例如1.7，这样就表示，男性发生胃癌的风险是女性的1.7倍。这里要注意估计的方向问题，以女性作为参照，男性患胃癌的OR是1.7。如果以男性作为参照，算出的OR将会是0.588(1/1.7)，表示女性发生胃癌的风险是男性的0.588倍，或者说，是男性的58.8％。撇开了参照组，相对危险度就没有意义了。
Logistic回归的用法
一般而言，Logistic回归有两大用途，首先是寻找危险因素，如：找出与胃癌相关的危险因素；其次是用于预测，我们可以根据建立的Logistic回归模型，预测在不同的自变量情况下，发生某病或某种情况的概率(包括风险评分的建立)。
