ロジスティック・モデル

公開日: 更新日:

【2022年11月2週】 【A000】生物統計学 【A051】コホート研究 【A090】多変量回帰モデル 【A092】ロジスティック回帰分析

この記事をシェアする
  • B!
サムネイル画像

本稿では、関心のあるイベントの発生確率の予測などに用いられるロジスティック回帰モデルのうち、最も単純(共変量が1つの場合)なロジスティック・モデルについて、定義式の紹介、発症確率とロジスティック関数の関係、対数オッズ比と回帰係数の関係の証明などを行っています。

なお、閲覧にあたっては、以下の点にご注意ください。

  • スマートフォンやタブレット端末でご覧の際、数式が見切れている場合は、横にスクロールすることができます。
  • 曝露(発症)状況を表す右下の添え字は、「0」である場合($n_0,\pi_0$ など)や「2」である場合($n_2,\pi_2$ など)がありますが、どちらも「非曝露群(コントロール群)」を表しています。

ロジスティック・モデル

マッチングなしのコホート研究において、対数発症オッズ(発症確率のロジット)について、 \begin{gather} \log{ \left(\frac{\pi_1}{1-\pi_1}\right)}=\alpha+\beta\Leftrightarrow\frac{\pi_1}{1-\pi_1}=e^{\alpha+\beta}\\ \log{ \left(\frac{\pi_0}{1-\pi_0}\right)}=\alpha\Leftrightarrow\frac{\pi_0}{1-\pi_0}=e^\alpha \end{gather} が成り立つとする 統計モデルをロジット連結モデル logit link model、または、ロジスティック・モデル logistice model という。

このとき、曝露群・非曝露群の発症確率は、ロジスティック関数として、 \begin{gather} \pi_1=\frac{e^{\alpha+\beta}}{1+e^{\alpha+\beta}} \quad 1-\pi_1=\frac{1}{1+e^{\alpha+\beta}}\\ \pi_0=\frac{e^\alpha}{1+e^\alpha} \quad 1-\pi_0=\frac{1}{1+e^\alpha} \end{gather} で与えられる。 また、発症オッズ比 $\varphi=\mathrm{OR}$ は、 \begin{align} \log{\varphi}=\beta\Leftrightarrow\varphi=e^\beta \end{align} で与えられる。

証明:ロジスティック関数

非曝露群のオッズの定義式より、 \begin{gather} \frac{\pi_0}{1-\pi_0}=e^\alpha\\ \pi_0=e^\alpha \left(1-\pi_0\right)\\ \left(1+e^\alpha\right)\pi_0=e^\alpha\\ \pi_0=\frac{e^\alpha}{1+e^\alpha} \end{gather} \begin{align} 1-\pi_0&=1-\frac{e^\alpha}{1+e^\alpha}\\ &=\frac{1+e^\alpha-e^\alpha}{1+e^\alpha}\\ &=\frac{1}{1+e^\alpha} \end{align} 同様に、曝露群のオッズの定義式より、 \begin{gather} \frac{\pi_1}{1-\pi_1}=e^{\alpha+\beta}\\ \pi_1=e^{\alpha+\beta} \left(1-\pi_1\right)\\ \left(1+e^{\alpha+\beta}\right)\pi_1=e^{\alpha+\beta}\\ \pi_1=\frac{e^{\alpha+\beta}}{1+e^{\alpha+\beta}} \end{gather} \begin{align} 1-\pi_1&=1-\frac{e^{\alpha+\beta}}{1+e^{\alpha+\beta}}\\ &=\frac{1+e^{\alpha+\beta}-e^{\alpha+\beta}}{1+e^{\alpha+\beta}}\\ &=\frac{1}{1+e^{\alpha+\beta}} \end{align} $\blacksquare$

証明:対数オッズ比と回帰係数の関係

対数オッズ比の定義式より、 \begin{align} \log{\varphi}&=\log{ \left(\frac{\pi_1}{1-\pi_1} \cdot \frac{1-\pi_0}{\pi_0}\right)}\\ &=\log{\frac{\pi_1}{1-\pi_1}}-\log{\frac{\pi_0}{1-\pi_0}}\\ &=\log{e^{\alpha+\beta}}-\log{e^\alpha}\\ &=\alpha+\beta-\alpha\\ &=\beta \end{align} 両辺の指数を取ると、 \begin{align} \beta=\log{\varphi} \end{align} $\blacksquare$

対数リスクモデル

マッチングなしのコホート研究において、曝露群・非曝露群の発症確率について、 \begin{gather} \log{\pi_1}=\alpha+\beta\\ \log{\pi_0}=\alpha \end{gather} が成り立つとする統計モデルを対数リスクモデルという。

このとき、曝露群・非曝露群の発症確率は、 \begin{gather} \pi_1=e^{\alpha+\beta} \quad 1-\pi_0=1-e^{\alpha+\beta}\\ \pi_2=e^\alpha \quad 1-\pi_0=1-e^\alpha \end{gather} で与えられる。 また、発症リスク比 $\varphi=\mathrm{RR}$ は、 \begin{align} \log{\mathrm{RR}}=\beta\Leftrightarrow\mathrm{RR}=e^\beta \end{align} で与えられる。

参考文献

  • ジョン・ラチン 著, 宮岡 悦良 監訳, 遠藤 輝, 黒沢 健, 下川 朝有, 寒水 孝司 訳. 医薬データのための統計解析. 共立出版, 2020, p.268-269

関連記事

自己紹介

自分の写真

yama

大学時代に読書の面白さに気づいて以来、読書や勉強を通じて、興味をもったことや新しいことを学ぶことが生きる原動力。そんな人間が、その時々に学んだことを備忘録兼人生の軌跡として記録しているブログです。

このブログを検索

ブログ アーカイブ

QooQ