Python使用逻辑回归估算OR值

第一种是统计学方法，需要用到 statsmodels包

　　statsmodels是统计和计量经济学的package，包含了用于参数评估和统计测试的实用工具

第二种是机器学习，需要使用sklearn中的LogisticRegression

下面以计算dis1-->dis2的OR值为例，也就是说dis1为自变量，dis2为因变量

首先我们先造一组数据： x为自变量，y为因变量

df = pd.DataFrame({'x': ['dis1', 'dis1', 'dis1', 'dis1', 'dis3', 'dis3', 'dis3', 'dis3'], 'y': ["dis2", "dis2",
"dis2", "dis4", "dis4", "dis4", "dis4", "dis2"]})

因为我要使用逻辑回归估计OR值，所以首先会计算出实际的OR值

	患dis2	不患dis2
患dis1	A	B
不患dis1	C	D

OR值的计算:OR_dis1_dis2 = AD/BC,其中A = 3, B = 1, C = 1, D = 3

ct = pd.crosstab(df.x, df.y)
oddsratio, pvalue = stats.fisher_exact(ct)

使用stamodel包中的逻辑回归进行OR值的估计：

df["intercept"] = 1.0  # 截距项，初始化截距项，不可省

# 拟合模型
logit = sm.Logit(df['y'], df[df.columns[1:]])
result = logit.fit()

print(result.summary())
# 计算得到OR值
OR1 = np.exp(result.params)

使用机器学习方法计算OR

df = pd.get_dummies(df)
clf = LogisticRegression(penalty='none')

clf.fit(df[['x_dis1']], df[['y_dis2']].values)
print(clf)
odds_ratio = np.exp(clf.coef_)
print(odds_ratio)

完整代码：

import pandas as pd
import statsmodels.api as sm
from sklearn.linear_model import LogisticRegression
import numpy as np

# 构造数据
df = pd.DataFrame({'x': ['dis1', 'dis1', 'dis1', 'dis1', 'dis3', 'dis3', 'dis3', 'dis3'], 'y': ["dis2", "dis2",
"dis2", "dis4", "dis4", "dis4", "dis4", "dis2"]})

# 计算实际OR
ct = pd.crosstab(df.x, df.y)
oddsratio, pvalue = stats.fisher_exact(ct)

# 使用统计学方法计算
df["intercept"] = 1.0  # 截距项，初始化截距项，不可省

# 拟合模型
logit = sm.Logit(df['y'], df[df.columns[1:]])
result = logit.fit()

print(result.summary())
# 计算得到OR值
OR1 = np.exp(result.params)

# 使用机器学习方法计算
df = pd.get_dummies(df)
clf = LogisticRegression(penalty='none')

clf.fit(df[['x_dis1']], df[['y_dis2']].values)
print(clf)
odds_ratio = np.exp(clf.coef_)
print(odds_ratio)