理论介绍：
二分类logistic模型建立以下模型：
Logit(y)=b1*x1+残差
根据估计的回归系数b1取指数得到OR值，即x1变量的OR=eb1，即e的b1次方。
我们在研究中，一般需要提取以下参数：
回归系数、回归系数标准误、检验统计量Z值、P值、OR值、OR值的置信区间
OR的和其置信区间合并，如1.34（1.22~1.58）
本文将基于已有数据：分别分析性别,年龄,省份,城乡,婚姻,文化程度,是否吸烟对是否饮酒的影响，然后提取上述参数。
整个实践操作分为四步：
1.数据的整理：包括分类变量因子化、设置参照、变量顺序设定
2.拟合模型，了解提取参数函数
3.建立批量循环，提取参数
4.结果导出
实践操作：
目的：分析性别,年龄,省份,城乡,婚姻,文化程度,是否吸烟对是否饮酒的影响
自变量：性别,年龄,省份,城乡,婚姻,文化程度,是否吸烟
因变量：是否饮酒
提取指标：回归系数、回归系数标准误、检验统计量Z值、P值、OR值、OR值的置信区间、
OR的和其置信区间的合并
具体最终的结果如下：
代码实现
.libPaths()#查看R包位置.libPaths("D:/Program File/R/R-4.3.2/library")#定义包安装位置setwd("E:/02学习/经验/03R语言图形绘制/16R语言批量实现单因素二分类logistic回归并提取相关参数")#设置工作空间getwd()#加载工作空间
#导入数据
data1<-read.csv("ms2013.csv",as.is = TRUE,header = T,sep = ",", fileEncoding='utf-8')
#########第一步：数据整理
#（1）因子化data1$AE<-as.factor(data1$AE)#查看变量名names(data1)#批量因子化a<-c("性别","省份","城乡" ,"婚姻","文化程度","是否吸烟")#填入需要转化的变量data1[,a]<-lapply(data1[,a],as.factor)#转因子#（2）设置参照data1$性别<-relevel(data1$性别, ref=1)#（3）调整变量列的顺序:其实就是选择变量library(dplyr)data1 <- select(data1,性别,年龄,省份,城乡,婚姻,文化程度,是否吸烟,是否饮酒)
#第二步：拟合单因素二元logistic回归模型，了解相关提取的函数
fit1<-glm(是否饮酒~性别,data=data1,family=binomial())summary(fit1)#我们要提取的数据包括bate、标准误、z值、p值、OR、OR的95%置信区间fitSum<-summary(fit)#提取bate、标准误、z值、p值fitSum$coef#计算回归系数的OR值OR<-exp(fitSum$coef[,'Estimate'])#回归系数的置信区间confint(fit)#OR值的置信区间OR_CI<-exp(confint(fit))#paste函数合并OR和置信区间paste(OR,"(",OR_CI[,1],"~",OR_CI[,2],")")
######第三步：建立循环，提取相关数据
var<-names(data1[,1:7])#自变量varresult<-c()for (i in 1:length(var)){fit<-glm(substitute(是否饮酒~x,list(x=as.name(var[i]))),data=data1,family=binomial())fitSum<-summary(fit)result1<-c()#提取bate、标准误、z值、p值,并保留三位小数result1<-rbind(result1,round(fitSum$coef,3))#计算or值OR<-exp(fitSum$coef[,'Estimate'])OR<-round(OR,2)#保留两位小数#O计算R值的置信区间OR_CI<-exp(confint(fit))OR_CI<-round(OR_CI,2)#保留两位小数#OR和置信区间合并he<-paste(OR,"(",OR_CI[,1],"~",OR_CI[,2],")")#横向合并result1,OR,OR_CI,heresult1<-data.frame(cbind(result1,OR,OR_CI,he))#将第一列命名为Characteristics；这是原来的变量result1 <- tibble::rownames_to_column(result1, var = "Characteristics")result<-rbind(result,result1[-1,])#[-1,],删除截距项}
###第四步：结果导出
write.csv(result, file = "result.csv", row.names = T) 本文的原始数据如下：点个关注和赞赞呗，谢谢
