12多元线性回归解析.pptVIP

1.多元线性回归研究一个应变量与多个自变量之间的线性依存关系，可以对自变量的作用进行评价，也可以用于预测和判别，回归方程可表示为 2.多元线性回归方程的假设检验分为模型检验和单个回归系数检验。对每个自变量的回归系数进行假设检验，有F 检验和t 检验两种方法，两种方法等价。 3.复相关系数表示回归方程中全部自变量X与应变量Y 的相关密切程度；决定系数反映线性回归方程能在多大程度上解释应变量的变异性。 4.多元逐步回归可以采用三种自变量筛选方法：向前选择法、向后选择法和逐步选择法。对于实验性和干预性研究不宜用逐步回归进行统计分析，应根据实际研究，引入合适的自变量控制可能的混杂因素。 （尹 平） * 无忧PPT整理发布 医学统计学 第十二章 多元线性回归 一、多元线性回归方程 回归方程的形式为： 为在一组自变量时，应变量的估计值； b0 为常数项， b1, b2, ..., bm 为偏回归系数。 第一节 多元线性回归 多元线性回归模型的参数估计可以用最小二乘法得到，残差平方和的公式为： 计算出使Q 最小的b1,b2…bm，其中，常数项的计算公式为： Multiple Linear Regression 二、多元线性回归方程的假设检验 由于存在抽样误差，即使总体回归系数等于0，仍可使样本估计的回归系数不等于0，因此需对多元回归方程进行假设检验。 1. 模型检验 在有多个自变量的情况下，应变量总离均差平方和可分解为回归平方和和残差平方和两部分，即：SS总= SS回归+ SS残差 其中： 各离均差平方和对应的自由度分别为 ， , 。F 统计量计算公式为： Hypothesis test 无效假设H0 : 成立条件下，统计量F 服从 分布，如果 ，则在 水平上拒绝 ，认为回归方程有统计学意义；否则，不拒绝 ，即回归方程无统计学意义。 Hypothesis test 2. 偏回归系数检验 偏回归系数检验方法具体有F 检验和t 检验，两种检验方法结果相同。 F 检验： 建立检验假设，确定检验水准 ; 计算F 统计量 Hypothesis test 在 成立时， 服从 分布，如果 ，即 ，则在 水平上拒绝 ，认为自变量 具有统计学意义。 t 检验 无效假设为 ，备择假设为 ； 检验统计量为 其中分母为标准误。 Hypothesis test 三、实例 例12-2 为了研究影响糖尿病患者糖化血红蛋白 （HbA1c）的主要危险因素，研究者收集糖尿病患者的糖化血红蛋白（Y，%）、年龄（X1，岁）、体重指数(X2，kg/m2)、总胆固醇(X3，mmol/L)、收缩压(X4，mmHg)和舒张压（X5，mmHg）等数据资料。现从中随机抽取了20例，数据见表12-1，试作多元线性回归分析。 表12-1 20例糖尿病患者的数据资料 编号 X1 X2 X3 X4 X5 Y 编号 X1 X2 X3 X4 X5 Y 1 49 32.19 6.0 148 86 7.6 11 53 23.43 7.1 161 86 7.5 2 67 24.77 2.7 151 98 7.4 12 46 30.56 2.9 146 79 7.3 3 64 25.24 7.0 151 80 7.4 13 59 25.19 6.0 158 80 7.3 4 66 24.26 4.8 157 87 7.2 14 76 27.26 5.4 124 85 6.9 5 68 30.28 3.5 136 83 7.3 15 63 23.93 6.7 133 89 7.5 6 48 26.18 7.6 137 87 7.6 16 74 24.94 7.9 166 82 7.9 7 66 26.36 5.9 157 91 7.5 17 52 22.82 5.3 149 71 7.3 8 47 32.07 5.7 157 89 7.7 18 64 24.34 2.5 126 93 6.8 9 64 28.44 6.1 154 82 7.3 19 54 25.44 2.6 151 83 6.9 10 75 30