热线电话：13121318867

登录
首页精彩阅读Stata实例教程:泊松回归
Stata实例教程:泊松回归
2017-06-12
收藏

Stata实例教程:泊松回归

泊松回归主要适用于罕见结局发生率的分析，其数据特征一般为：发生率的分母相对于分子较大，或者事件发生于有限的时间、空间上。事件发生数量可以近似为服从泊松分布。常见的例子如，士兵意外死亡数量、电话拨打错误的数量、罕见疾病的发病率等。

在临床研究中泊松回归常用于队列研究。如下面的例子（表1）：

表1. 队列研究实例

该研究为一个队列研究，目的是探讨吸烟是否增加人群的死亡风险。Deaths代表死亡人数，person-years代表随访人年数。

下面利用上例数据介绍如何利用Stata进行泊松回归。

首先数据格式应为下表（表2）所示：

表2. 数据结构

操作步骤

1.在Stata中依次点击Statistics—Count outcomes—Poisson regression，调出对话框。

在Dependent中选入deaths变量（发病率的分子），Exposure variable中选入pyears变量（发病率的分母），Independent variables选入smokes变量，另外还需选入agecat变量，该变量为分类变量，需写成i.agecat形式告诉软件agecat为分类形式。

在reporting部分选择Report incidence-rate ratios，这样软件给出的是系数的指数形式，即我们所需要的incidence-rate ratio（IRR）。

最后界面如下：

Reporting处的设置如下：

2.最后点击OK。

也可以不通过菜单直接输入命令：

poisson deaths smokes i.agecat, exposure(pyears) irr

分析结果如下：

从结果可以看到，吸烟者相对于不吸烟者，发生死亡的风险为1.43倍（P=0.001），45岁以上各年龄组的死亡风险均高于35-44岁年龄组（P值均<0.001），且年龄越大的组死亡风险越高。


CDA数据分析师考试相关入口一览（建议收藏）：

▷ 想报名CDA认证考试，点击>>>   “CDA报名” 了解CDA考试详情；

▷ 想学习CDA考试教材，点击>>> “CDA教材” 了解CDA考试详情；

▷ 想加入CDA考试题库，点击>>> “CDA题库” 了解CDA考试详情；

▷ 想了解CDA考试含金量，点击>>> “CDA含金量” 了解CDA考试详情；

数据格式 特征 数据结构 泊松分布

数据分析咨询请扫描二维码

若不方便扫码，搜微信号：CDAshujufenxi

上一篇回归系列（一）| 怎样正确地理解线性回归
下一篇2020美国总统竞选大戏开锣，川普当选的奇迹会再发生吗？
CDA考试动态
CDA报考指南
热门栏目
最新资讯
更多
Copyright © 2015-present 北京国富如荷网络科技有限公司 All Rights Reserved.
京ICP备11001960号-9   京公网安备 11010802034615号   经营许可证编号：京B2-20210330
客服在线
立即咨询