二元Probit回归结果解读二元Probit回归是一种广义线性模型适用于因变量为二分类变量0和1的回归分析。与二元Logit回归类似Probit回归通过累积正态分布函数建立回归模型用于研究多个自变量对二分类因变量的影响关系及其影响方向。本研究使用SPSSAU软件以炎症指数、免疫抑制、保护性治疗、既往病史、住院时长5项指标为自变量以是否发生并发症为因变量对320例患者数据进行二元Probit回归分析。在SPSSAU【实验/医学研究】模块选择【二元Probit】将变量拖拽至右侧对应分析框操作如下图一、数据基本情况由表1可知本次分析共纳入320例有效样本无缺失数据。其中未发生并发症Y0的患者184例占57.500%发生并发症Y1的患者136例占42.500%。因变量的分布较为均衡未出现极端偏态分布有利于模型的有效构建。二、模型整体有效性检验由表2可知模型似然比检验的卡方值为226.032df5p0.0000.01表明拒绝放入自变量前后模型质量无差异的原假设即说明纳入的5个自变量对模型具有显著贡献模型整体构建有意义。McFadden R²0.518Cox Snell R²0.507Nagelkerke R²0.681模型解释力较强。三、回归系数分析由表3可知二元Probit回归模型公式为Probit(p)-0.3451.339×炎症指数0.947×免疫抑制-0.800×保护性治疗0.682×既往病史0.086×住院时长其中p代表发生并发症的概率。逐一分析各自变量的影响效应1炎症指数的回归系数为1.339z8.896p0.0000.01呈极显著正向影响边际效应为0.243即炎症指数每增加一个单位发生并发症的概率增加24.34%。2免疫抑制的回归系数为0.947z6.906p0.0000.01呈极显著正向影响边际效应为0.172即免疫抑制每增加一个单位发生并发症的概率增加17.21%。3保护性治疗的回归系数为-0.800z-6.294p0.0000.01呈极显著负向影响边际效应为-0.145即保护性治疗每增加一个单位发生并发症的概率降低14.54%。4既往病史的回归系数为0.682z5.505p0.0000.01呈极显著正向影响边际效应为0.124即既往病史每增加一个单位发生并发症的概率增加12.40%。5住院时长的回归系数为0.086z0.946p0.3440.05未达到显著水平表明住院时长对是否发生并发症无显著影响。四、回归系数森林图图1 二元Probit回归系数森林图由图1森林图可知各变量的回归系数及其95%置信区间直观呈现。炎症指数、免疫抑制、既往病史的置信区间均位于零线右侧表明其对并发症发生具有正向促进作用保护性治疗的置信区间位于零线左侧表明其具有负向保护作用住院时长的置信区间跨越零线与回归分析结果一致未达到统计学显著水平。五、模型预测准确率分析由表4可知模型整体预测准确率为83.750%预测错误率为16.250%模型拟合效果可以接受。具体来看当真实值为0未发生并发症时预测准确率为84.783%156/184当真实值为1发生并发症时预测准确率为82.353%112/136。两个类别的预测准确率均较为均衡模型不存在明显的偏向性。六、Hosmer-Lemeshow拟合度检验由表5可知Hosmer-Lemeshow拟合度检验结果显示χ²4.636df8p0.7960.05接受模型拟合值与观测值吻合程度一致的原假设表明本次构建的二元Probit模型拟合优度较好模型预测值与实际观测值之间不存在显著差异。七、边际效应分析由表6可知边际效应分析进一步量化了各自变量对并发症发生概率的影响幅度。炎症指数的边际效应最大dy/dx0.243p0.000意味着其每增加一个单位并发症发生概率平均增加24.34%免疫抑制次之dy/dx0.172p0.000保护性治疗呈负向边际效应dy/dx-0.145p0.000具有保护作用既往病史的边际效应为0.124p0.000。住院时长的边际效应仅为0.016p0.342不具有统计学意义。八、其他图形分析图2 二元Probit回归分析图图3 二元Probit回归补充分析图图2和图3从不同角度展示了二元Probit回归的分析结果包括各自变量对并发症发生概率的预测概率曲线及分类效果进一步验证了模型的合理性和各变量的影响方向。九、结论本研究采用二元Probit回归分析探讨炎症指数、免疫抑制、保护性治疗、既往病史、住院时长对并发症发生的影响结果表明1模型整体有效似然比χ²226.032p0.01McFadden R²0.518预测准确率为83.750%HL检验通过p0.796模型拟合良好2炎症指数、免疫抑制、既往病史对并发症发生具有显著正向影响p0.01保护性治疗具有显著负向影响p0.01住院时长影响不显著p0.3443炎症指数的边际效应最大0.243是影响并发症发生的最主要因素临床应重点关注炎症指数异常患者的并发症预防。