log-binomial GLM在SPSS/Stata/SAS中的实现（一）

在你知道log-binomial GLM吗（ http://3g.dxy.cn/bbs/topic/44364143 ）一文中，我们提到当结局事件发生率超过15%（或10%）时，仍用二元logistic回归得到的比值比（odds ratio, OR）去近似估计相对风险（relative risk, RR）已不再合适，建议改用log-binomial 广义线性模型 (Generalized linear model, GLM)进行分析。同时，在文中我们利用R语言实现了log-binomial GLM，代码也同步展示给大家了。该主贴推送后，收到了很多粉丝的反馈：不会用R，能不能出一篇SPSS实现log-binomial GLM的教程呢。所以，为了满足不同软件使用者的需求，今天我们就来简明扼要地展示一下，log-binomial GLM在SPSS和Stata中的实现（SAS安装不上了，这里就不做展示了）。

（一）Log-binomial GLM在SPSS中的实现

第一步：导入数据，并定义变量类型和添加标签

第二步：菜单栏，分析→广义线性模型（Z）→广义线性模型（G）

第三步：在模型类型中选择定制，分布（U）选择“二项”，关联函数（F）选择“对数”

第四步：在响应中，将因变量“LNM”选择到因变量（D）中

第五步：将定性自变量选入因子（F）中（定量自变量选入到协变量中），点击选项可选择参照组（升序：以最大赋值为对照，降序：以最小赋值为对照）

第六步：在模型中，将上一步选择的自变量，左侧因子和协变量（F）中的变量，选入到右侧的模型（M）中。常规选择主效应，如设置了交互项，可添加交互项和选择交互。

第七步：在统计中，勾选“包括指数参数估计值（O）”，点击确定。

第八步：整理结果去吧（示例数据的结果如下）

以上便是SPSS实现log-binomial GLM的简明步骤。从分析结果来看，T分期为T1b的患者发生结局事件的风险是T1a患者的2.586倍，与我们用R语言的glm()函数得到的结果（2.585613）是一致的。下一篇展示log-binomial GLM在Stata中的实现。