回归结果怎么读：线性与逻辑回归

跟完这篇，您能看懂 lm() 和 glm() 打印出来的那一屏结果——知道系数、R²、p 值各说明什么，会把逻辑回归的 OR 值翻译成一句人话，并在建模前先检查该检查的前提假设。

回归是科研里最常用的一类分析：想用一个或多个自变量去解释、预测一个结果，或者在控制其他因素之后，单看某个因素的独立作用，用的都是它。难的往往不是把模型跑出来（就一两行代码），而是读懂那一屏输出、并且没读错。这篇就带您把结果逐块拆开。

两种回归，先分清用哪个

选哪种回归，只看一件事：您的因变量（想解释、想预测的那个结果 y）是什么类型。

因变量 `y` 的类型	用哪种回归	R 写法
连续（表达量、浓度、评分等）	线性回归	`lm(y ~ x1 + x2, data = df)`
二分类（有效／无效、复发／未复发）	逻辑回归	`glm(y ~ x1 + x2, family = binomial, data = df)`
计数（次数、reads 数等）	泊松／负二项回归	`glm(y ~ x, family = poisson, data = df)`

本篇聚焦最常用的前两种：线性回归和逻辑回归。选不准因变量类型、或不确定该不该用回归，可先看选对统计方法。

跑一个线性回归，读它的 summary

先看线性回归。假设您想用年龄 age 和某基因表达量 gene 去解释一个连续指标 y：

fit <- lm(y ~ age + gene, data = df)
summary(fit)

summary() 打印的结果大致长这样（数字为示例，只用来认版面）：

#> Coefficients:
#>              Estimate Std. Error t value Pr(>|t|)
#> (Intercept)    2.140      0.512    4.18   4e-05 ***
#> age            0.031      0.009    3.44   0.0007 ***
#> gene           0.480      0.210    2.29   0.0231 *
#>
#> Residual standard error: 1.12 on 197 degrees of freedom
#> Multiple R-squared:  0.284,  Adjusted R-squared:  0.277
#> F-statistic: 39.1 on 2 and 197 DF,  p-value: < 2e-16

这一屏里，真正要读懂的是三块：系数（Estimate）、显著性（Pr(>|t|)） 和 R²。下面逐块拆。

系数怎么读

系数（Estimate）是回归的主角，它回答「这个自变量对 y 的作用有多大、朝哪个方向」。读法分三种情况：

连续自变量：系数是「该自变量每增加 1 个单位、其他变量保持不变时，y 平均变化多少」。上例 age 的系数 0.031，意思是年龄每大 1 岁、基因表达不变时，y 平均高 0.031。正号表示同向，负号表示反向。
分类自变量：R 会自动把因子设一个参照水平（reference），系数是「相对参照组」的差。比如把 group 设为因子、以 control 为参照，grouptreat 的系数就是「处理组比对照组平均高／低多少」。
截距（Intercept）：所有自变量都取 0（分类变量都在参照水平）时 y 的预测值。它常常没有实际意义（谁的年龄会是 0），一般不单独解读。

两个特别容易读错的点，务必记住：

系数大小受单位影响，不能直接比谁「更重要」。 age 以「岁」为单位、gene 以某个表达量单位，两者系数没有可比性。想比较自变量的相对贡献，得先把变量标准化（scale()）再看标准化系数，或看各自的显著性与效应，而不是直接比 Estimate 的绝对值。
「其他变量保持不变」这句限定词不能省。 多元回归里每个系数都是在控制了模型中其他变量之后的效应。同一个变量单独建模和放进多元模型里，系数可能差很多——这正是回归能校正混杂的价值所在。

R² 与显著性各说明什么

R²（Multiple R-squared） 衡量「模型解释了 y 多大比例的变异」，取值 0 到 1。上例 0.284 表示模型解释了约 28% 的变异，其余 72% 由未纳入的因素和随机波动贡献。关于它有几点必须心里有数：

加变量，R² 只会升不会降，哪怕加进去的是无关变量。所以多元模型别看 R²，看 Adjusted R²（调整 R²）——它对变量个数做了惩罚，加了没用的变量反而会下降，更适合比较模型。
R² 高不等于模型「对」或「有因果」。 它只说拟合得贴不贴，不保证假设成立、不代表因果、也不代表在新数据上还准。
R² 多高算「好」没有统一标准，因领域和问题而异。生物、社会数据里 0.2～0.3 常见且未必差；别拿工程数据的高 R² 当标尺。

显著性 有两个层次，别混：

每个系数的 p 值（Pr(>|t|)）：检验「这个系数是不是 0」，即该自变量在控制其他变量后是否还有作用。p<0.05 是常用的显著性惯例、不是铁律，且一次模型里检验了多个系数，严格时应考虑多重比较，见多重检验校正。
整个模型的 F 检验（末行 F-statistic 的 p-value）：检验「所有自变量合起来是不是全都没用」。它显著，只说明模型整体比空模型强，不代表每个变量都显著。

一个反复被踩的坑：p 值小 ≠ 效应大。 样本量一大，很小的系数也能显著。判断「有没有用」看 p 值，判断「有多大用」要看系数本身和它的置信区间：

confint(fit)   # 各系数的 95% 置信区间；区间不跨 0，对应 p<0.05

报告结果时，系数、置信区间、p 值一起给，比只甩一个 p 值站得住得多。

逻辑回归与 OR 值怎么解读

当因变量是二分类（如「复发＝1／未复发＝0」），改用逻辑回归。写法只差一个 family：

fit <- glm(recur ~ age + gene, family = binomial, data = df)
summary(fit)

关键区别：逻辑回归的系数不在原始尺度上，而在「对数几率（log-odds）」尺度上。 直接读 Estimate 很不直观，所以几乎所有人都把它取指数，换成 OR（Odds Ratio，比值比） 来读：

exp(cbind(OR = coef(fit), confint(fit)))   # OR 及其 95% 置信区间

OR 的读法是这套分析里最容易讲错、也最该讲清的地方：

OR 取值	含义
`OR > 1`	该因素每增加 1 个单位，结局发生的几率上升
`OR < 1`	该因素每增加 1 个单位，结局发生的几率下降（保护性）
`OR = 1`	与结局无关联

具体到变量：连续变量的 OR 是「每增加 1 个单位」的几率倍数；分类变量的 OR 是「相对参照组」的几率倍数。比如 age 的 OR＝1.05，读作年龄每大 1 岁、其他不变时，复发的几率约为原来的 1.05 倍（高约 5%）。

配套三条要点：

看 OR，先看它的置信区间。 OR 的 95% 置信区间跨过 1，就等于 p≥0.05、关联不显著。只报一个 OR 点估计、不报区间，是常见的漏报。
OR 是「几率比」，不是「概率比」，也不直接等于「风险高几倍」。 结局较罕见时，OR 和相对风险（RR）接近；结局常见时，OR 会把关联放大，不能当成 RR 来口播。
逻辑回归没有真正的 R²。 summary() 里也不会给。想要类似指标，可看伪 R²（如 McFadden）或模型的区分度 AUC，但它们和线性回归的 R² 含义不同，别混着解读。

建模前该检查哪些前提假设

回归能不能信，一半取决于前提假设成不成立。先检查、再解读，顺序别反。

线性回归要看这几条，最省事的办法是 plot(fit)，它一次给出四张诊断图：

par(mfrow = c(2, 2))
plot(fit)   # 残差-拟合、Q-Q、尺度-位置、残差-杠杆 四图

假设	怎么查	看什么
线性关系	Residuals vs Fitted	残差应随机散布在 0 附近，无明显曲线趋势
残差正态	Normal Q-Q	点大致落在对角线上（查的是残差，不是 `y` 本身）
方差齐性	Scale-Location	散点带宽度大致均匀，不呈喇叭形
强影响点	Residuals vs Leverage	关注 Cook 距离大的点，个别点别主导整个拟合

再加一条多元回归特有的：多重共线性——自变量之间高度相关，会让系数和 p 值都不稳。用方差膨胀因子 VIF 查：

library(car)
vif(fit)   # 经验上 VIF > 5（或 >10）提示共线性偏强，是常用参考、非硬阈值

逻辑回归的假设略有不同，重点看：

连续自变量与「对数几率」近似线性（不是与 y 线性）。
观测相互独立、无多重共线性（同样可看 VIF）。
样本量／事件数要够：常用经验法则是每个自变量至少约 10 个事件（events per variable，EPV≈10）——这是广为引用的经验参考、非铁律，事件太少时系数很不稳。
没有完全分离（perfect separation）：某个变量能把结局完全分开时，模型不收敛、系数会飞到很大，需要留意。

假设不满足不代表分析就废了，但要如实交代，并考虑对应对策（变量变换、稳健方法、去除或合并强影响点等）。把「哪些假设查过、结果如何」写进方法，比一个漂亮的 R² 更能让人信。

在平台上跑一遍

以上每一步在百沐一下都不用写代码：上传数据表，用一句话说清目的——「用年龄和这个基因的表达量做线性回归解释 y」或「以复发为结局做逻辑回归，给出各因素的 OR 和置信区间」——平台会替您选对模型、跑出系数表、R²／OR、显著性和诊断图，并给出可复现的 R 代码；参照组怎么设、要不要标准化，直接在对话里说明即可。上手见智能统计使用指南，或直接开始：https://app.baimuyixia.com 。