主成分回归对脑卒中发病与环境因素间关系的解析.pdfVIP

第 13卷第3期 淮阴师范学院学报(自然科学版) V0l_13 No．3 2014年 9月 JOURNALOFHUAIYINTEACHERSCOLLEGE (NATURALSCIENCEEDITION) Sep．2014 主成分回归对脑卒中发病 与环境因素问关系的解析 费妮娜 ，杨有龙 (1．西安理工大学 高等技术学院，陕西 西安 710048；2．西安电子科技大学 数学与统计学院，陕西 西安 710071) 摘 要：脑卒中的诱发 已经被证实-9环境因素包括气温和湿度之间存在密切关系．对脑卒中 的发病环境因素进行分析可以对脑卒中高危人群进行风险评估并及时采取干预措施，而平均 气压、最高气压、最低气压、平均温度、最高温度、最低温度、平均相对湿度、最低相对湿度 8个 自变量之间的共线性使得用多元线性回归方法得到的回归方程的精度降低．运用主成分回归 分析，对脑卒中发病人数-9环境因素进行了深入解析，结合统计软件SPSS的分析结果，给出了 计算主成分的正确表达式，并将主成分-9发病人数进行多元线性回归，最终确定了脑卒中发病 人数与8个环境因素间的数学模型． 关键词：脑卒中发病 ；环境因素；主成分分析；数学模型 中图分类号：O212．4 文献标识码 ：A 文章编号：1671-6876(2014)03-0200-06 0 引言 2012年全国大学生数学建模竞赛 C题为脑卒中发病环境因素分析及干预．作为指导教师，一直关 注此赛题的研究进展及结果，发现绝大多数参赛队使用了多元线性回归的方法，但有的忽视了气象因素 间的严重共线性给回归方程带来的影响．从2012年至今，几乎没有学者对克服这些现象再进行深入研 究．而环境因素之间的严重共线性使得多元线性回归模型中偏回归系数难以估计，偏回归系数的估计方 差随着解释变量相关性的增大而增大，偏回归系数的置信区间增大和偏回归系数估计值的不稳定性增 强，以及偏回归系数假设检验的结果不显著等，都给回归方程的确立带来了严重的不可靠性 ]．为了消 除多重共线性给回归模型带来的不良影响，提出了一些改进的回归方法，其中比较有效的一种方法是主 成分回归方法 ．经过与其他方法 比较，本文在 已有文献的基础上，利用 excel表格进行数据处理与成 分计算，借助统计软件SPSS17．0分析结果，正确使用主成分回归方法对脑卒中与环境因素的关系进行 了分析，得到较为可靠的数学模型． 1 主成分分析的基本原理和计算步骤 1．1 主成分分析的基本原理 Hotelling于 1933年提出的主成分分析方法的核心思想就是通过降维，把多个指标转化为少数几个 综合指标，尽量不改变指标体系对因变量的解释程度．此方法适用于变量之间存在较强相关性的数据， 如果原始数据相关性较弱，运用主成分分析后不能起到很好的降维作用，即所得的各个主成分浓缩原始 变量信息的能力差别不大．一般认为当原始数据大部分变量的相关系数都小于0．3时，运用主成分分析 不能取得很好的效果．W．FMassy在 1965年根据主成分分析的思想提出了主成分回归方法．如今主成 分回归方法已经被广泛应用，成为回归分析中解决多重共线性比较有效的方法． 收稿 日期：2014-05-09 基金项 目：国家 自然科学基金资助项 目 通讯作者：费妮娜(1979一)，女，陕西西安人，讲师，西安电子科技大学博士研究生，研究方向为多元统计和因果推理 E．mail：feinina2010@ 126．COrn 第 3期 费妮娜等：主成分回归对脑卒中发病与环境因素间关系的解析 201 假设对某一事物的研究涉及p个指标，分别用 。， ，…， 表示，这p个指标构成P维随机向量为 X=( ，X2，…， )．设随机向量X的均值为 ，协方差矩阵为三 对向量 进行线性变换，可以得到新的综合变量，用z表示，即就是，新的综合变量可以由原来的变 量线性表示，即满足下式 ： Zl= ttllX1+ 12 + … + M1p ， Z2 = U2lX1+ 22 +… + 2p ， Zp=