今日要复现的是最最基础的影响因素分析文章，文章包括了①基本情况表、②卡方检验、③多因素logistic回归，复现过程将会详细截图讲解具体步骤，尤其是新手小白，请大家跟上脚步哦！
本文为常见的先单后多影响因素分析的文章——卡方检验+多因素logistic回归
案例文献是一篇基于2018年CHARLS公共数据库的一项横断面研究，旨在了解中国独居老人抑郁症状现况及影响因素。
目的：了解中国独居老人抑郁症状现况及影响因素。
方法：利用 ２０１８ 年中国健康与养老追踪调查数据（CHARLS）中 １ ０６７ 名≥６０ 岁的独居老人，依据调查问卷中的 CESD-10 抑郁量表来判断独居老人是否具有抑郁症状，通过 χ ２ 检验、Logistic 回归分析独居老人抑郁症状影响因素。
结果：共纳入了4,920名患有BM的NSCLC患者，并随机分为两个队列（7:3），研究显示中国60岁以上独居老人抑郁症状检出率为 44.9％ ，其中农村高于城市（P＜0.001），男性低于女性（P＜0.001）。 多因素 Logistic回归分析结果显示：与男性相比，女性（OR=1.772，95%CI：1.347~2.333）与独居老人抑郁症状的检出有关（P＜0.05）；与居住在城市相比，农村（OR=1.913，95%CI：1.410~2.595）与独居老人抑郁症状检出有关（P＜0.05）；与健康状态较健康相比，健康状态一般（OR=1.564，95%CI:1.102~2.220）和较不健康（OR=6.145，95%CI:4.169~9.058）与独居老人抑郁症状检出有关（P＜0.05）；与睡眠时长 ７~９ｈ 相比，睡眠时长 ＜ ７ｈ（OR-2.342，95%CI：1.702~2.302）与独居老人抑郁症状检出有关（P＜0.05），而睡眠时长 ＞９ｈ 与独居老人抑郁症状检出无关联（P＜0.05）。
结论：独居老人抑郁症状与睡眠时长、居住地区、自评健康状况等因素存在关联，相关部门应加倍重视女性、农村、健康状况不佳及失眠的独居老人心理健康。
本文介绍了①基本情况、②差异性分析（卡方检验）、③多因素logistic回归，思路框架清晰，案例十分典型。下面我们分步介绍：
1.1 基本情况表+单因素分析表
首先，原文中进行了基线特征描述以及单因素卡方分析，对数据情况进行简单描述，以及筛选可能的影响因素。
1.2 多因素Logistic回归表
接着，将单因素卡方分析结果中的阳性结果，纳入多因素回归结果。
下面我们就通过风暴统计平台进行文章2个表格结果的复现！
风暴统计平台是由浙江中医药大学郑卫军教授基于R语言开发的统计分析平台，它具有以下优点：
-
结果输出简洁，直接生成三线表，支持word版下载！
-
平台是基于R语言进行开发，结果准确性有保障！
-
全部菜单式操作，统计小白也可以轻松上手！
2.1 进入风暴统计平台
首先，浏览器搜索风暴统计，依次点击"风暴智能统计"——"logistic回归分析"！进入分析界面后，根据提示，完成数据的导入与整理。
这里我们不再赘述数据的导入与整理过程，详细教程大家可以点击下方链接：
详细指南！风暴统计如何高效导入数据，统计分析快人一步？
详细版！如何利用风暴统计进行数据的整理转换？
我们复现用到的数据集是根据原文献变量及纳排标准整理的，但是样本量有所出入，变量和原文保持一致，包含有：
2.2 基本情况表
数据打开后，在左侧目录栏里找到“分组差异性分析”——选好自己要的变量。
可以下载word或者excel格式结果！
结果就出现啦，左侧是原表1，右侧是风暴统计平台画出的结果，可以直接编辑。
2.3 单因素分析（卡方）
根据这个数据类型发现结局变量抑郁是二分类变量，其他自变量也都是分类变量，所以接下来的单因素分析只用到卡方检验。
同样还在“分组差异性分析”——选择结局变量抑郁，以及要的自变量，就直接能形成表格了，按照上面的“选择文档下载类型”同样把word下载下来。
结果就出现啦，左侧是原表1，右侧是风暴统计平台画出的结果，可以直接编辑。
2.4 Logistic回归
接着来到"logistic回归"模块进行logistic回归分析！
只需要将我们前面卡方分析得出的阳性结果全部选入"自变量"，抑郁选入"因变量"，点击"多因素logistic回归"就可以查看结果啦！
结果就出现啦，左侧是原表2，右侧是风暴统计平台画出的结果，可以直接编辑。
以上就是我们本次logistic影响因素分析的全部操作流程啦！如果您在使用过程中出现报错，可以参考下方推文，排查一下问题所在哦！
答疑 | 风暴统计更换服务器后，为什么总出现同样的报错？
详情请点击下方：
零代码课程来了，不需要R语言，快速构建预测模型
