Logistic回归分析法
Logistic回归（logistic regression）是研究因变量为二分类或多分类观察结果与影响因素（自变量）之间关系的一种多变量分析方法，属概率型非线性回归。在流行病学研究中，常需要分析疾病与各种危险因素间的定量关系，同时为了能真实反映暴露因素与观察结果间的关系，需要控制混杂因素的影响。
（一）Logistic回归的分类
1.二分类资料Logistic回归 因变量为两分类变量的资料，可用非条件Logistic回归和条件Logistic回归进行分析。非条件Logistic回归多用于非配比病例的对照研究或队列研究资料，条件Logistic回归多用于配对或配比资料。
2.多分类资料Logistic回归 因变量为多项分类的资料，可用多项分类Logistic回归模型或有序分类Logistic回归模型进行分析。
（二）病例对照研究的类型
1.病例与对照不匹配——非条件Logistic回归 在设计所规定的病例和对照人群中，分别抽取一定量的研究对象，一般对照应等于或多于病例数，此外无其他任何限制。(https://www.daowen.com)
2.病例与对照匹配——条件Logistic回归
（1）成组匹配（category matching）：匹配的因素所占的比例，在对照组和在病例组一致。如病例组中男女各半，65岁以上者占1/3，则对照组也是如此。
（2）个体匹配（individual matching）：以病例和对照的个体为单位进行匹配叫个体匹配。1∶1匹配又叫配对（pair matching），1∶2，…，1∶m 匹配时称为匹配。匹配的特征必须是已知的混杂因子，或者有充分的理由怀疑其为混杂因子，否则不应匹配。
（三）巢式病例对照研究
也称为队列内的病例对照研究，是将队列研究和病例对照研究相结合的方法。
Logistic回归在定性和半定量资料的判别和预测方面有一定的优势。在应用Logistic回归判别时，应注意不同Logistic回归模型的应用条件，在保证训练样本代表性的基础上，用逐步回归过程对指标进行筛选，挑选出对应变量作用最大的指标建立回归方程，通过组内回代、组外考核和拟合优度检验等方法检验判别效果。