Logistic回归分析，主要在流行病学中应用较多，比较常用的情形是探索某疾病的危险因素，根据危险因素预测某疾病发生的概率等等。例如，想探讨胃癌发生的危险因素，可以选择两组人群，一组是胃癌组，一组是非胃癌组，两组人群肯定有不同的体征和生活方式等。这里的因变量就是是否胃癌，即“是”或“否”，为两分类变量，自变量就可以包括很多了，例如年龄、性别、饮食习惯、幽门螺杆菌感染等。自变量既可以是连续的，也可以是分类的。通过logistic回归分析，就可以大致了解到底哪些因素是胃癌的危险因素。

Logistic回归与多重线性回归实际上有很多相同之处，最大的区别就在于他们的因变量不同，其他的基本都差不多，正是因为如此，这两种回归可以归于同一个家族，即广义线性模型（generalized linear model）。这一家族中的模型形式基本上都差不多，不同的就是因变量不同，如果是连续的，就是多重线性回归，如果是二项分布，就是logistic回归，如果是poisson分布，就是poisson回归，如果是负二项分布，就是负二项回归，等等。只要注意区分它们的因变量就可以了。Logistic回归的因变量可以是二分类的，也可以是多分类的，但是二分类的更为常用，也更加容易解释。所以实际中最为常用的就是二分类的logistic回归。

Logistic回归主要应用于以下三个方面：

1 寻找危险因素：寻找某一疾病的危险因素等。

2 预测：如果已经建立了logistic回归模型，则可以根据模型，预测在不同的自变量情况下，发生某病或某种情况的概率有多大。

3 判别：根据logistic模型，判断某人属于某病或属于某种情况的概率有多大，也就是看一下这个人有多大的可能性是属于某病。

服务流程

1. 根据客户思路进行实验结果数据处理

2. 根据SCI标准进行Figure制作

客户提供

各实验组与对照组的数据记录

赛诚提供

SCI标准Result Figure

       广州赛诚生物科技有限公司是一家集生物研发、技术服务和贸易为一体的生物、医药服务企业，专业从事于为生命科学、转化医学提供实验试剂耗材、相关实验技术服务、实验数据处理及figure制作服务。

            生命科学论文撰写中figure制作是一个跨多学科的综合工程，涉及生物统计学、生物信息学、图像分析、平面设计等多个领域，一般的非专业研究人员很难对所有的领域都精通。

            我们经过多年的积累，在生命科学热门学科方向中，建立出多个成熟的figure制作模型，能专业、快捷、高效的处理各种实验数据，再根据客户要求将其用精美的sub. fig.展现，并将各个sub. fig.组装成能完整阐述客户逻辑思路的figure，完成客户论文的核心元件。 

• RIP
• 基因芯片聚类分析
• GST pull down
• 生存分析
• 细胞周期检测-流式
• 肿瘤球结果分析
• qPCR
• 克隆构建
• DNA EMSA
• Luciferase（3’UTR活性验证）