原标题：logistic与Cox回归的P for trend：一个临床医生创造的指标

今天公众号的其中一个统计互助群出现聊起了一个话题：

请教一下各位老师，logistic回归分析里面OR值的Ptrend是怎么得出来的，在SPSS里面怎么操作呢？我看许多文献里面都会把自变量按照四分位数分成四个等级，做多因素逻辑回归，然后都会得出个Ptrend？

这个问题的提出马上引起了群友们的兴趣，以下是一位统计博士和临床博士的对话：

法晓(统计博士)：p for trend，就是当年该设哑变量不设哑变量的错误做法。现在给了个碉堡的名字。这个指标很吃香，让专业的人摸不着头脑，哈哈

临床博士：还是有必要的，说明存在线性的关系-

法晓(统计博士)：其实并不能说明线性关系，就是这个趋势啊，说明不了

临床博士：验证了作者的假说：***每增高一个等级，造成的危害是***-----

法晓(统计博士)：这算是临床医学对统计结果的强奸吧，强行误读，然后学术圈内达成一致性。不过，很多统计现在都是这么用的。

临床博士：首先还是要有研究假说吧，比如肿瘤分期对预后的影响，可以假定每前进一个分期，对预后的影响幅度是一样的（p for trend）也可以假定是不一样的（哑变量）。主要是有些东西，同结局呈U字型关系。其实还是约定俗成，大家都这样搞，不这样搞会被鄙视。就像过马路闯红灯，身边的人都闯红灯了，自己不闯都有点不好意思

法晓(统计博士)：这比喻太贴切了

于是笔者百度一下，的确发现不少关于P for trend的讨论，然而笔者找遍了所收藏的统计学书籍和各种统计软件的帮助都没有发现关于P for trend的介绍。

研读有关文章，P for trend其实就是将连续性自变量（协变量）按照一定的方法将其离散化成几个分类水平的等级变量，通俗地说，就是根据四分位数、平均与标准差甚至根据临床专业上的分级，将连续性自变量（协变量）转换成只有几个组的分组变量。笔者尝试以某病死亡与年龄的关系演示一下文献中P for trend的SPSS实现。首先按照年龄的四分位数（49、58、65）分成4组，得到一个年龄组的变量。

文中的P for trend其实就是将年龄组作为一个普通变量（非哑变量化）直接引入方程而已所得到的结果。

如果将年龄组哑变量化后，将得到如下结果

随着年龄的增长，发生死亡的危险性的确有上升的趋势，可验证P for trend的结果。

然而，从本文讨论的文献中，绝大部分的指标中P for trend的结果和哑变量化的结果“一致”的，但也有不一致的情况，如第一张图蓝色方框的指标。该指标以普通形式和哑变量形式引入方程时的结果不一样的，这可能导致该变量以哑变量方式引入方程时，会保留在方程中，而以普通形式引入变量时，可能会使本该保留在方程中变量被剔除，众所周知，在逐步回归时，由于变量间的共线性或者交互效应等因素，引入和剔除的变量将会相互作用，每一个变量引入和剔除都可能影响到其他变量，最终影响到整个方程，甚至会出现严重的错误。

终上所述，在单因素回归时P for trend在单变量回归中，多一个指标多一个角度取探讨资料特点，未尝不可，但是在多变量回归中，使用该指标则需谨慎选择。这或许在众多的统计教材中都没有讨论P for trend的缘故，当然，上述观点仅仅是笔者个人的担心，在临床上是否使用，尚需进一步探索，希望借本文抛砖引玉，以便各位在科研中探索，欢迎各位在本文留言发表观点。

最后为大家复习一下哑变量的应用条件。

回复“哑变量”获取更多哑变量的文章，回复“PDF”下载本文所讨论的文献原文。

代表作返回搜狐，查看更多

责任编辑：