我們已經講過怎麼使用R語言進行logistic回歸并做内部驗證，今天來講講怎麼使用Stata來做logistic回歸并做内部驗證，Stata較R來說的優勢是操作相對簡單，可以界面操作，比SPSS功能又強大一些，廢話不多說，進入正題。
還是使用既往我們的乳腺癌資料，我們先來看看資料：
age表示年齡，pathsize表示病理惡性良性腫瘤大小（厘米），lnpos表示腋窩淋巴結陽性，histgrad表示病理組織學等級，er表示雌激素受體狀态，pr表示孕激素受體狀态，status結局事件是否死亡，pathscat表示病理惡性良性腫瘤大小類别（分組變量），ln_yesno表示是否有淋巴結腫大，time是生存時間，後面的agec是我們自己設定的，不用管它。
依圖檔上紅色箭頭點選打開logistic回歸的視窗
在視窗界面依次填入協變量和結局變量
這樣最簡單的logistic回歸就做成啦
我們還要對其中的分類變量進行i.的标記，這樣指令就變成了:
logistic status age pathsize lnpos i.histgrad i.er i.pr pathscat
假如我們想比較有無淋巴結腫大患者是否結局不一樣，加入分類變量，可以分組來做
假如我們隻想知道age（年齡）大于60歲這部分的患者，可以加入條件語句age>=60
logistic status age pathsize lnpos i.histgrad i.er i.pr pathscat if age>=60
最後生成列線圖，這個圖有點怪不必驚訝，因為本來也不是logistic的資料，而且很多P值都是大于0.05的，有興趣的可以自己調整一下
現在我們來做内部驗證，主要是區分度和校準度，先做區分度：
Lroc//生成ROC曲線
接線來做校準度，最簡單的玩法就是先行拟合優度檢驗以評價模型校準度
lfit//拟合度檢測
P值大于0.05，不能說拟合不好，然後做出列聯表
estat gof, group(10) table
我們把Obs_1 ，Exp_1，Obs_0，Exp_0的值複制黏貼入excel,選擇帶趨勢的散點圖，這樣校準圖形就做成功啦
也可以做成這樣子
這樣做出來的校準曲線看起來檔次低一點，我們也可以做成這樣的并進行外部驗證，就不詳細說了，有興趣的可以關注我的科研教程。
更多精彩文章請關注:零基礎說科研