Một bảng hồi quy có thể xuất ra đủ OR, khoảng tin cậy và giá trị p chỉ sau vài dòng lệnh. Nhưng nếu nhóm có biến cố quá ít hoặc biến kết quả bị mã hóa ngược, bảng đẹp đến đâu cũng không cứu được kết luận. Hồi quy logistic đa biến bằng R nên bắt đầu từ việc xác định kết quả nào được mã hóa là 1, rồi mới chọn biến đưa vào mô hình.
Hồi quy logistic đa biến bằng R dùng khi nào?
Hồi quy logistic thường phù hợp khi kết quả có hai trạng thái, chẳng hạn có hoặc không có biến chứng trong một khoảng theo dõi xác định. Mô hình ước tính mối liên quan giữa các biến giải thích với logit của xác suất xảy ra biến cố. Sau khi lấy hàm mũ của hệ số, ta được tỷ số chênh (OR).
Từ “đa biến” trong cách nói thông thường ở đây chỉ việc đưa nhiều biến giải thích vào cùng một mô hình. Về thuật ngữ thống kê, đó là hồi quy có nhiều biến dự báo cho một kết quả, không phải mô hình có nhiều kết quả cùng lúc.
Trước khi mở R, hãy xác định quần thể nghiên cứu, thời điểm đo biến dự báo và thời điểm xảy ra biến cố. Nếu dữ liệu là thời gian đến biến cố kèm kiểm duyệt, một mô hình sống còn có thể phù hợp hơn. Bài quy trình R cho bài báo lâm sàng đặt bước chọn mô hình sau khi làm sạch dữ liệu.
Chạy một ví dụ bằng R như thế nào?
Ví dụ dưới đây tạo dữ liệu giả lập, không chứa thông tin người bệnh. Biến event bằng 1 nếu có biến cố, bằng 0 nếu không. Tuổi, phơi nhiễm và một điểm mức độ nặng được tạo để minh họa cách nhập biến vào mô hình, không đại diện cho một nghiên cứu thật.
set.seed(2026)
n <- 300
dat <- data.frame(
age = round(runif(n, 20, 80)),
exposure = rbinom(n, 1, 0.4),
severity = rnorm(n)
)
prob <- plogis(-3 + 0.03 * dat$age +
0.6 * dat$exposure + 0.5 * dat$severity)
dat$event <- rbinom(n, 1, prob)
stopifnot(all(dat$event %in% c(0, 1)))
table(dat$event)
fit <- glm(
event ~ age + exposure + severity,
family = binomial(link = "logit"),
data = dat
)
summary(fit)
Hàm glm() và họ phân phối binomial() đều có trong R cơ bản. Tài liệu chính thức của R mô tả cách khai báo công thức và dữ liệu; tài liệu về binomial giải thích quy ước biến kết quả.
Với dữ liệu thật, cần kiểm tra kiểu biến, giá trị thiếu và số quan sát thực sự được dùng. glm() có thể loại các dòng thiếu dữ liệu theo thiết lập đang áp dụng. Nếu không báo số mẫu phân tích, người đọc khó biết mô hình đã sử dụng bao nhiêu hồ sơ.
Xuất OR và khoảng tin cậy ra sao?
Các hệ số mà summary(fit) in ra nằm trên thang logit. Dùng exp() để chuyển chúng sang OR. Đoạn sau lấy khoảng tin cậy Wald để minh họa; với dữ liệu thưa hoặc ước lượng không ổn định, cần xem xét phương pháp phù hợp hơn.
b <- coef(fit)
ci <- confint.default(fit)
result <- data.frame(
bien = names(b),
OR = round(exp(b), 2),
KTC_duoi = round(exp(ci[, 1]), 2),
KTC_tren = round(exp(ci[, 2]), 2)
)
print(result)
nobs(fit)
Tài liệu confint() của R phân biệt khoảng tin cậy Wald với khoảng tin cậy dựa trên hồ sơ khả năng xảy ra. Hai cách có thể cho kết quả khác nhau, đặc biệt khi dữ liệu ít thông tin.
Giả sử một biến nhị phân có OR đã hiệu chỉnh bằng 1,8. Cách viết đúng là: sau khi điều chỉnh các biến có trong mô hình, odds của biến cố ở nhóm phơi nhiễm cao hơn 1,8 lần nhóm tham chiếu. Không được đổi câu đó thành “nguy cơ tăng 80%”. Khi biến cố thường gặp, OR có thể khác đáng kể RR; phân tích trên BMJ giải thích vì sao.
Với tuổi đo theo năm, OR của hệ số tuổi tương ứng với mỗi một năm tăng thêm, nếu mô hình dùng tuổi liên tục và không có tương tác liên quan. Nếu muốn báo theo 10 năm, phải đổi thang biến hoặc tính lại hệ số tương ứng, không chỉ sửa nhãn bảng.
Chọn biến vào mô hình dựa vào đâu?
Một cách dễ làm sai là chạy từng biến riêng lẻ, giữ lại biến có p nhỏ rồi gọi mô hình cuối là “đã kiểm soát nhiễu”. Biến gây nhiễu có thể cần điều chỉnh vì vai trò nhân quả và kiến thức chuyên môn, ngay cả khi p ở phân tích đơn biến không nhỏ.
Hãy xác định trước các biến có cơ sở đưa vào mô hình, cách mã hóa và thứ tự thời gian. Kiểm tra số biến cố so với độ phức tạp của mô hình, các nhóm quá ít quan sát, đa cộng tuyến và khả năng phân tách hoàn toàn. Khi một biến gần như dự đoán chính xác mọi biến cố, ước lượng logistic thông thường có thể trở nên không ổn định.
Biến liên tục cũng không mặc nhiên có quan hệ tuyến tính trên thang logit. Nếu nghi ngờ quan hệ cong, cần kiểm tra bằng đồ thị hoặc cách mô hình hóa phù hợp, thay vì chia tuổi thành hai nhóm tùy tiện.
Có cần kiểm định Hosmer-Lemeshow không?
Một giá trị p lớn từ kiểm định độ phù hợp không chứng minh mô hình đúng. Kiểm định Hosmer-Lemeshow còn phụ thuộc cách chia nhóm nguy cơ và có hạn chế về khả năng phát hiện sai lệch. Đừng dùng một kết quả “không có ý nghĩa thống kê” để kết luận mô hình đã được kiểm định đầy đủ.
Nếu mục tiêu là dự đoán, cần xem xét khả năng phân biệt, độ hiệu chuẩn và đánh giá ngoài mẫu phát triển. Nếu mục tiêu là ước tính mối liên quan, trọng tâm lại là chọn biến, sai lệch, độ chính xác và phạm vi suy luận. Hai mục tiêu không nên bị trộn chỉ vì cùng dùng glm().
Người mới học có thể đọc bài bắt đầu R cho bác sĩ trước khi làm với bộ dữ liệu thật. Khóa Làm chủ R cùng AI cung cấp lộ trình học phân tích bằng R; còn các quyết định về thiết kế và diễn giải vẫn cần đối chiếu với dữ liệu nghiên cứu của bạn.
