如果结局变量是非独立的二分类资料，在广义估计方程(generalized estimating equations, GEE)模块中可以选择Logit连接函数（二分类logistic回归）处理数据。本文将实例演示在SPSS软件中通过GEE分析非独立的二分类结局资料。
关键词：SPSS; 广义估计方程; GEE; 二分类结局资料
一、案例介绍
评价A、B两种药物致皮炎的副作用是否有差别，开展一项回顾性病例对照研究。收集了106例使用A药和104例使用B药患者的临床资料及其面部、背部、腹部3个部位的皮炎发生情况。
广义估计方程(generalized estimating equations, GEE)需要使用长型格式数据，部分数据见图1。ID表示研究对象编号，gender表示性别(1=男性，2=女性)；drug表示药物(1=A药，2=B药)；part表示皮炎发生部位(1=面部，2=背部，3=腹部)；dermatitis表示有无皮炎(0=无，1=有)。本案例数据可从“附件下载”处下载。
二、问题分析
本案例的分析目的为是了解A、B两种药物致皮炎的副作用是否有差别。由于每个患者检测了3个部位，因此部位之间不独立，不宜采用要求观测行间独立的t检验、秩和检验、二分类logistic回归等分析方法，宜采用GEE进行单因素和多因素回归分析。对于因变量为二分类变量的资料，在GEEs中可以采用二分类logistic回归、Possion回归或logit-binomial连接函数。本案例是一个回顾性病例对照研究，采用二分类logistic回归计算比值比OR值(odds ratio)效应量比较合适。
三、软件操作及结果解读
(一) 软件操作
【模块调取】 选择“分析”—“广义线性模型”—“广义估算方程”(图2)。
【“重复”设置】 在“广义估算方程”对话框里的“重复”模块(图3)中，将ID(编号)选入右侧“主体变量”，将part(部位)选入“主体内变量”，“工作相关性矩阵”选择默认“自变量”(应翻译为“独立”)。
【“模型类型”设置】 在“模型类型”模块(图4)中，选择“二元响应或事件/试验数据”下的“二元Logistic”。
【“响应”(因变量)设置】：在“响应”模块(图5)中，将dermatitis(皮炎)选入“因变量”。点击“因变量类型”下“二元”的“参考类别”，打开“参考类别”子对话框(图6)，选择“第一个值(最低值)”，表示以因变量中最大值为阳性事件。
【“预测变量”(自变量)设置】在“预测变量”模块(图7)中，将gender、drug、part选入“因子”。点击“选项”，打开“选项”子对话框(图8)，“因子的类别顺序”选择“降序”，表示以自变量的第一个水平为参照计算相关参数和效应量。若选择“升序”，则以自变量的最后一个水平为参照。
【“模型”设置】 在“模型”模块(图9)中，将gender、drug、part”的主效应选入右侧“模型”中。
【“统计”设置】：在“统计”模块(图10)中，补充勾选“包括指数参数估算值”，可计算OR、RR等效应量。
(二) 结果解读
1. 模型摘要
由“模型信息”结果(图11)可知，本次分析关联函数为“分对数(logit)”，工作相关性矩阵结构为“自变量”。
2. 模型拟合评价
“拟合优度”结果(图12)提供了QIC值和QICC值，表示模型的拟合优度；越小越好，可用于不同作业相关矩阵的分析结果比较。
“模型效应检验”结果(图13)提示“性别”“药物”“部位”的效应，均有统计学意义(P<0.001)。
3. 参数估计
“参数估计”结果(图14)列出了各个自变量的参数估计及统计学检验结果。可知，药物B发生皮炎的风险高于药物A (OR=2.481, 95%CI 1.727~3.565)；女性发生皮炎的风险低于男性 (OR=0.298, 95%CI 0.204~0.433)；背部发生皮炎的风险高于面部 (OR=2.304, 95%CI 1.522~3.489)；腹部发生皮炎的风险高于面部 (OR=7.054, 95%CI 4.347~11.444)。
四、结论
本研究采用GEE分析A、B两种药物致皮炎的副作用是否有差别。由于研究设计是回顾性病例对照研究，因变量是二分类变量，因此采用二分类logistic回归计算OR值效应量
分析结果显示，药物B发生皮炎的风险高于药物A (OR=2.481, 95%CI: 1.727~3.565)，女性发生皮炎的风险低于男性 (OR=0.298, 95%CI: 0.204~0.433)；背部发生皮炎的风险高于面部 (OR=2.304, 95%CI: 1.522~3.489)；腹部发生皮炎的风险高于面部 (OR=7.054, 95%CI: 4.347~11.444)。