本文使用随機生成的數據集進行批量單因素logistic回歸分析，并提取P<0.05的變量以供後續多因素logistic回歸。後續會繼續分享一些R語言分析代碼，歡迎大家一起讨論學習。

構建數據

生成随機數據的代碼截圖

#0.構建數據，Y為因變量，其他為自變量

set.seed(1234)#設置随機種子，保證生成數據一緻

log_data<- data.frame(Y = sample(0:1, 600, replace = T),

sex=sample(1:2, 600, replace = T),

edu=sample(1:4, 600, replace = T),

BMI=rnorm(600, mean = 22, sd = 3),

白蛋白=rnorm(600, mean = 35, sd = 6),

随機血糖=rnorm(600, mean = 4.75, sd = 1.2))

描述數據

對生成的數據進行描述

可以看到sex與edu變量顯示的“數值型”，因此需要進行一下轉化：

因子化

VarsC<-c("Y","sex","edu")

for(i in VarsC){

log_data[,i] <- as.factor(log_data[,i])

} # 利用循環因子化

然後我們再描述一下數據：

可以看到sex與edu已經變成分類變量，這樣繼續進行接下來的分析。

varsU<-names(log_data[,2:6]) # 自變量

批量單因素logistic回歸 代碼截圖

Result<-c()

for (i in 1:length(varsU)){

fit<-glm(substitute(Y~x,list(x=as.name(varsU[i]))),data=log_data,family=binomial())

fitSum<-summary(fit)

result1<-c()

result1<-rbind(result1,fitSum$coef)

OR<-exp(fitSum$coef[,'Estimate'])

result1<-data.frame(cbind(result1,cbind(OR,exp(confint(fit)))))

result1$Characteristics<-varsU[i] #添加變量名

Result<-rbind(Result,result1[-1,])#[-1,],删除常數項

}

Uni_log<-data.frame(Result[,c(1,4:8)]) #提取"P","OR","CIlower","CIupper"和變量名

colnames(Uni_log)[2:5]<-c("P","OR","CIlower","CIupper")#變量重命名

ExtractVar<-unique(Uni_log$Characteristics[Uni_log$"P"<0.05])#提取有意義的變量

查看結果，輸出文檔

Uni_log

write.csv(Uni_log,file="Uni_log.csv")#輸出文檔

Uni_log結果

輸出的csv文件截圖，方便制作三線表