时代变了，回归分析你还首选logistic回归吗？out了！
系列文章“log binomial and Poisson 回归”
第一篇
logistic回归，统计分析的万金油，只要是一项医学研究的结局是二分类数据，都可以 用logistic回归，在现况调查、在病例对照研究、在队列研究、在随机对照研究。。。。
我的标题有些夸大其词，但是这十年来，统计分析的方法在改进，logistic回归，在很多场合，已经不应该是主流方法了。
比如说，横截面调查和队列研究。
特别是队列研究，队列研究往往希望计算RR值，但是一般学习医学统计学时，老师会说，当阳性率较低时，RR值接近于OR值，所以我们可以logistic回归计算OR值，控制偏倚。但无论如何，OR值会高估暴露因素的风险。
实际上，统计分析，有回归可以来计算RR值！
横截面调查也是如此。之前有一位读者来信，咨询郑老师，他说“ 这是个572例社区人群横断面调查，主要讨论社区残疾老年人肌少症的发生率及其影响因素。我用了logistic回归，但是审稿人建议用其它回归方法”
这现况调查怎么logistic回归也不推荐了呢？
审稿人怎么建议的呢？
“for cross-sectional multivariate analysis binomial regression or modified poisson regression are prefered”。
对了，就是两种可能大家不太熟悉的方法：log binomial regression 和Poisson regression 。
他们的共同特点是，可以计算出暴露组和对照组的两个率之比！对于横截面调查，我们称这个比值为患病比（PR值），而在队列研究，我称之为相对危险度（RR值）。
它们和logistic回归有什么区别？
例如：若开展一项队列研究，在样本量n的研究中，总共X人发生阳性事件，则P=X/n。对于该研究，logistic、log binomial regression 和Poisson regression在回归建模中，是不同的。
首先是logistic回归：则
由此计算得到是OR值。
如果是log binomial 回归，则
由此计算得到是RR值.
如果是Poisson 回归，则
由此计算得到是RR值。
对于三个公式，可能很多人不理解，对于三个方法的应用及软件操作方法，很多人还不会应用，因此，我想写一点小文，和大家聊聊这个事情。详细见后文。
最后特别提醒： 我的推文都是本人学习的结果，并不是严谨的学术论文，读者请慎重理解。
--本文毕--