本文基于SPSS软件，利用多因素回归筛选可能的独立危险因素。 因变量是分类变量，1表示有病，0表示无病； 共有6个自变量，其中age、bmi、testa、testb为数值变量，均设置为Scale； 性别是二元变量，工作是多类别变量。 变量，设置为。

假设单因素回归后，年龄、bmi、testa、testb、性别和工作均具有统计显着性（p

1. 将Excel中的数据复制到SPSS中并设置数据类型。

2. 单击、选择，然后选择。

3. 在对话框中，选择框和其他变量。

4、work是多类别变量，需要设置为虚拟变量，以work=1为参考。

点击按钮，在：对话框中，在框内选择work，在右下角，默认是最后一个，我们一般都是先勾选，然后点击上面的按钮。 框中显示work((first))，表示修改成功。 ，最后单击。

在对话框中单击，选中 exp(B) 的 CI，然后单击。

五、主要结果：

回归的主要结果是OR值、95%置信区间和P值。 签名。 表中 为 p 值，Exp(B) 为 OR 值，EXP(B) 的 95% CI 为 OR 值的 95% 置信区间。 。

本文的结果是testa和testb的p值均小于0.001，OR值分别为1.126和15.133，表明testa和testb是可能的独立危险因素。

思考问题：

如果将单因素回归中具有统计显着性的所有变量都纳入多因素分析，则可能会因变量之间存在共线性而导致结果异常。 你知道如何检测和处理多重共线性问题吗？ 请把你的答案写在留言区，一起讨论学习。

为期14天的新手变统计学高手训练营（升级版）即将开始：

1、每月举办一届。 课程于月初开始。 如果中间加入，就只能跟随大家的进度。 未学的内容将在下节课中补上。

2、如果一学期学不会，下一学期可以继续学习，直到掌握。

3、训练营学员完成学业后，将受邀加入特邀新手训练营统计群，为大家打造优质的统计科研学习圈。

目前课程内容包括：

变量编码、缺失值插补、异常值检测与处理、正态性检验、t检验、方差分析、非参数检验、卡方检验、精确概率法、相关性检验、回归、ROC、联合诊断ROC、kappa检验等。

每天轻松学习一种统计方法。

更多详情请在公众号后台回复：小白训练营。