稀有事件logistic回归

医学研究中经常遇到二分类反应变量资料采用logistic 回归分析，若应变量两类取值频率相差特别悬殊时，普通 logistic 回归不仅参数估计有偏，并且可低估稀有事件的发生概率。 通过稀有事件 logistic 回归（rare evens logistic regression）校正参数和概率估计值来解决这个问题 ，效果较好 ，其基本思想是在普通 logistic 回归结果的基础上进行先验校正、加权校正和MCN 校正。

实例分析结果表明，在稀有事件 的分析中，不管是在模型的整体表现或者是模型的预测预报方面 ，稀有事件的 logistic 回归确实要更优于普通的 logistic 回归。 因此对于医学中很多不常见疾病 的研究 ，稀有事件的 logistic 回归是一种值得推广应用的统计模型。 当然 ，对于某一个医学事件要根据具体 的情况从专业的角度判断其是否是稀有或罕见事件，从实 际应用看确定这一点并不难。

稀有事件 logistic 的校 正方法可 以在 Gary King和 Langche Zeng 2001 年 推 出 的 Stata程序——relogit 中实现 ，relogit是一种非官方的程序需要下载安装后才可以使用。