在分析二元结果时，逻辑回归是分析师对回归建模的默认方法。随机研究中，当然很容易估计比较两个治疗组的风险比。对于观察数据，治疗不是随机分配的，估计治疗效果的风险比有点棘手。
理想情况 – 随机治疗分配
理想情况下，我们首先模拟（在Stata中）一个大型数据集，该数据集可能在随机试验中出现：
gen x = rnormal（）
gen z =（runiform（）<0.5）
gen xb = x + z
gen pr = exp（xb）/（1 + exp（xb））
gen y =（runiform（）<pr）
此代码为10,000个人生成数据集。每个都有一个基线变量x的值，它是从标准N（0,1）分布模拟的。接下来，根据随机研究，我们模拟一个二进制变量z，概率0.5为1，概率0.5为0.然后生成二元结果y，我们从逻辑回归模型生成它，对数几率为1等于x + z。因此，对于x，调整z = 1与z = 0的真实优势比是exp（1）= 2.72。
由于处理是随机分配的，我们可以忽略x并使用带有日志链接的GLM命令估计比较z = 1到z = 0的风险比：
Generalized linear models No. of obs = 10000
Optimization : ML Residual df = 9998
Scale parameter = 1
Deviance = 12960.39176 (1/df) Deviance = 1.296298
Pearson = 10000 (1/df) Pearson = 1.0002
Variance function: V(u) = u*(1-u) [Bernoulli]
Link function : g(u) = ln(u) [Log]
AIC = 1.296439
Log likelihood = -6480.195879 BIC = -79124.59
------------------------------------------------------------------------------
| OIM
y | Risk Ratio Std. Err. z P>|z| [95% Conf. Interval]
-------------+----------------------------------------------------------------
z | 1.429341 .0241683 21.13 0.000 1.382748 1.477503
_cons | .495886 .0070829 -49.11 0.000 .4821963 .5099643
------------------------------------------------------------------------------
风险比估计为1.43，因为数据集很大，95％置信区间非常窄。
估算观测数据的风险比
现在让我们考虑观测数据的情况。为此，我们模拟了一个新的数据集 ：
gen x=rnormal()
gen tr_xb=x
gen tr_pr=exp(tr_xb)/(1+exp(tr_xb))
gen z=(runiform() < tr_pr)
gen xb=x+z
gen pr=exp(xb)/(1+exp(xb))
gen y=(runiform() < pr)
如果我们为y运行相同的GLM模型，忽略x，我们得到：
. glm y z, family(binomial) link(log) eform
Generalized linear models No. of obs = 10000
Optimization : ML Residual df = 9998
Scale parameter = 1
Deviance = 12014.93919 (1/df) Deviance = 1.201734
Pearson = 10000 (1/df) Pearson = 1.0002
Variance function: V(u) = u*(1-u) [Bernoulli]
Link function : g(u) = ln(u) [Log]
AIC = 1.201894
Log likelihood = -6007.469594 BIC = -80070.04
------------------------------------------------------------------------------
| OIM
y | Risk Ratio Std. Err. z P>|z| [95% Conf. Interval]
-------------+----------------------------------------------------------------
z | 1.904111 .0353876 34.65 0.000 1.836 1.974748
_cons | .4101531 .0069811 -52.36 0.000 .396696 .4240667
------------------------------------------------------------------------------
使用对数广义线性模型
最明显的方法是在我们的GLM命令中添加x：
. glm y z x, family(binomial) link(log) eform
Iteration 0: log likelihood = -9271.4631
Iteration 1: log likelihood = -5833.7585
Iteration 2: log likelihood = -5733.9167 (not concave)
Iteration 3: log likelihood = -5733.9167 (not concave)
...
然而，这无法收敛 。
通过逻辑模型估计风险比率
一个相对简单的替代方案是使用逻辑模型来估计调整x的治疗风险比。
Logistic regression Number of obs = 10000
LR chi2(2) = 2797.60
Prob > chi2 = 0.0000
Log likelihood = -5343.6848 Pseudo R2 = 0.2075
------------------------------------------------------------------------------
y | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval]
-------------+----------------------------------------------------------------
z | 2.947912 .1442639 22.09 0.000 2.678297 3.244668
x | 2.693029 .0811728 32.87 0.000 2.538542 2.856918
_cons | .9910342 .0322706 -0.28 0.782 .929761 1.056345
------------------------------------------------------------------------------
然而，我们可以使用该模型来计算每个人的预测概率，首先假设所有个体都未被治疗（z = 0），然后假设所有个体都被治疗（z = 1）：
replace z=0
predict pr_z0, pr
replace z=1
predict pr_z1, pr
此代码首先生成一个新变量zcopy，它保留原始治疗分配变量的副本。然后我们将所有个体z设置为0，并询问y = 1的预测概率。然后我们将所有个体设置为z = 1，并再次计算P（y = 1）。现在估计z = 1与z = 0相比的风险比，我们简单地考虑这两个条件下的边际风险比，即P（y = 1 | z = 1）/ P（y = 1） | Z = 0）：
summ pr_z0 pr_z1
Variable | Obs Mean Std. Dev. Min Max
-------------+--------------------------------------------------------
pr_z0 | 10000 .4970649 .2060767 .0166056 .9765812
pr_z1 | 10000 .7094445 .1765126 .0474181 .9919309
di .7094445/.4970649
1.4272673
replace z=zcopy
给出了我们估计的风险比，比较z = 1到z = 0，为1.43，与我们第一次模拟数据时估计的风险比相同，其中治疗分配是完全随机的（特别是独立于x）。
置信区间
我们已经找到了风险比的点估计，但我们当然也喜欢置信区间，以指示估计的精确度。
首先，当z设置为0然后设置为1时，我们使用teffects给出我们对二元结果的边际均值的估计（相当于y = 1的概率）：
Iteration 0: EE criterion = 1.898e-21
Iteration 1: EE criterion = 5.519e-34
Treatment-effects estimation Number of obs = 10000
Estimator : regression adjustment
Outcome model : logit
Treatment model: none
------------------------------------------------------------------------------
| Robust
y | Coef. Std. Err. z P>|z| [95% Conf. Interval]
-------------+----------------------------------------------------------------
POmeans |
z |
0 | .4957607 .0072813 68.09 0.000 .4814897 .5100318
1 | .7078432 .0071566 98.91 0.000 .6938164 .7218699
------------------------------------------------------------------------------
为了计算风险比和置信区间，我们首先使用teffects ra，coeflegend来查找Stata保存估算值的名称：
Treatment-effects estimation Number of obs = 10000
Estimator : regression adjustment
Outcome model : logit
Treatment model: none
------------------------------------------------------------------------------
y | Coef. Legend
-------------+----------------------------------------------------------------
POmeans |
z |
0 | .4957607 _b[POmeans:0bn.z]
1 | .7078432 _b[POmeans:1.z]
------------------------------------------------------------------------------
我们现在可以使用nlcom计算风险比及其置信区间。但是，由于这将为我们提供基于Wald的对称置信区间，因此最好找到对数风险比的这个区间，然后将得到的区间反向转换为风险比例：
_nl_1: log(_b[POmeans:1.z] / _b[POmeans:0bn.z])
------------------------------------------------------------------------------
y | Coef. Std. Err. z P>|z| [95% Conf. Interval]
-------------+----------------------------------------------------------------
_nl_1 | .3561291 .0172327 20.67 0.000 .3223536 .3899047
------------------------------------------------------------------------------
. di exp(.3561291)
1.4277919
. di exp(.3223536)
1.3803728
. di exp(.3899047)
1.47684
因此，我们估计风险比为1.43,95％置信区间为1.38至1.48。
非常感谢您阅读本文，有任何问题请在下面留言！
1
1
关于作者
Kaizong Ye是拓端研究室（TRL）的研究员。
本文借鉴了作者最近为《R语言数据分析挖掘必知必会 》课堂做的准备。
Stata广义矩量法GMM面板向量自回归 VAR模型选择、估计、Granger因果检验分析投资、收入和消费数据
stata马尔可夫Markov区制转移模型分析基金利率
使用SAS，Stata，HLM，R，SPSS和Mplus的多层线性模型HLM
Stata中的治疗效果：RA：回归调整、 IPW：逆概率加权、 IPWRA、 AIPW
