如何用SPSS计算OR值

关键词 : spss如何计算or值、spss计算or值、spss or值怎么出现的、spss logistic or值

OR值的全称是odds ratio、比值比，对于发病率很低的疾病来说，它是OR值即是相对危险度的精确估计值。

OR值的意义：
OR值等于1，表示该因素对疾病的发生不起作用；
OR值大于1，表示该因素是危险因素；
OR值小于1，表示该因素是保护因素。

计算公式如下：假定我们要鉴别因素（例如吸烟）是不是某个疾病的危险因素（例如肺癌）。形成如下四个表：

OR值= AD/BC。95%的置信区间就不用公式了，下面用SPSS实现。

group status number
1 1 233
1 2 221
2 1 207
2 2 72

其中group和status要设置成“字符串”、“名义”。

2)’Data’–‘Weight Cases’:选择“weight cases by”，将“number”放入Frequency栏；OK
3)’Analyze’–‘Descriptive Statistics’–‘Crosstabs…’:将“group”放入Row，将“status”放入Column
单击“Statistics…”按钮，选择Chi-square与Risk，返回
单击“Cells…”按钮，选择Oberved,Expected,Row,Column，返回
然后OK，就可以得到OR了，CI为95％。

********************************************************************

怎么用SPSS计算OR值

年龄\例次 无颈动脉斑块 有颈动脉斑块
<70岁 21 16
70-80岁 11 58
>80岁 7 13
请问:三组不同年龄患者颈动脉斑块的发生风险OR分别是多少?CI是多少?

*************************************************

解答：

我用SPSS也没多久，讲一下我算OR的方法，与楼主讨论
OR值只能两组之间比较（用四格表），你可以将三组（年龄组）两两比较，或设一个对照组（其中一个组，或其中两个组合并），其余组与之比较。
SPSS设置方法：（以<70岁和70-80岁两组对比为例）
1）输入数据：group status number
1 1 16
1 2 21
2 1 58
2 2 11
2)’Data’–‘Weight Cases’:选择“weight cases by”，将“number”放入Frequency栏；OK
3)’Analyze’–‘Descriptive Statistics’–‘Crosstabs…’:将“group”放入Row，将“status”放入Column
单击“Statistics…”按钮，选择Chi-square与Risk，返回
单击“Cells…”按钮，选择Oberved,Expected,Row,Column，返回
然后OK，就可以得到OR了，CI为95％。

————————-**********************************—————————

搓一下，不对请大家指正。。
SAS程序及结果，注：第一组设为对照组。
data a;
input age y x @@;
cards;
3 0 21
3 1 16
2 0 11
2 1 58
1 0 7
1 1 13
;
proc logistic descending;
class age;
model y=age/risklimits;
weight x;
run;

OUTPUT
The LOGISTIC Procedure

Model Information

Data Set WORK.A
Response Variable y
Number of Response Levels 2
Weight Variable x
Model binary logit
Optimization Technique Fisher’s scoring

Number of Observations Read 6
Number of Observations Used 6
Sum of Weights Read 126
Sum of Weights Used 126

Response Profile

Ordered Total Total
Value y Frequency Weight

1 1 3 87.000000
2 0 3 39.000000

Probability modeled is y=1.

Class Level Information

Design
Class Value Variables

age 1 1 0
2 0 1
3 -1 -1

Model Convergence Status

Convergence criterion (GCONV=1E-8) satisfied.

Model Fit Statistics

Intercept
Intercept and
Criterion Only Covariates

AIC 157.917 143.055
SC 157.709 142.430
-2 Log L 155.917 137.055

Testing Global Null Hypothesis: BETA=0

Test Chi-Square DF Pr > ChiSq

Likelihood Ratio 18.8626 2 <.0001
Score 18.9553 2 <.0001
Wald 17.1710 2 0.0002

Type 3 Analysis of Effects

Wald
Effect DF Chi-Square Pr > ChiSq

age 2 17.1710 0.0002

Analysis of Maximum Likelihood Estimates

Standard Wald
Parameter DF Estimate Error Chi-Square Pr > ChiSq

Intercept 1 0.6699 0.2206 9.2196 0.0024
age 1 1 -0.0508 0.3492 0.0212 0.8842
age 2 1 0.9926 0.2911 11.6305 0.0006

The LOGISTIC Procedure

Odds Ratio Estimates

Point 95% Wald
Effect Estimate Confidence Limits

age 1 vs 3 2.437 0.791 7.514
age 2 vs 3 6.920 2.770 17.290

Association of Predicted Probabilities and Observed Responses

Percent Concordant 33.3 Somers’ D 0.000
Percent Discordant 33.3 Gamma 0.000
Percent Tied 33.3 Tau-a 0.000
Pairs 9 c 0.500

Wald Confidence Interval for Adjusted Odds Ratios

Effect Unit Estimate 95% Confidence Limits

age 1 vs 3 1.0000 2.437 0.791 7.514
age 2 vs 3 1.0000 6.920 2.770 17.290

———–*************————-

Effect Unit Estimate 95% Confidence Limits

age 1 vs 3 1.0000 2.437 0.791 7.514
age 2 vs 3 1.0000 6.920 2.770 17.290