多重线性回归技术报告.pptVIP

5 哑变量的设定 2分类，可用一个（0，1）变量。如性别 k分类，k-1个（0，1）变量，如血型。 多重线性回归分析有时先将有序变量或无序多分类变量转换成为多个二分类变量之后，才能将它们引入回归模型。 将有序变量或无序多分类变量转换成为多个二分类变量的过程常被称为“哑元化（dummying）”,得到的多个二分类变量称为“哑变量（dummy variable）”。 血型是一个无序多分类变量，它的取“值”是A、B、AB、O四种， 可以用3个二分类变量来描述。令 表11-5 用二分类哑变量描述血型 血型 变量 1 0 0 0 1 0 0 0 1 0 0 0 数据格式回归方程 建立回归方程 b1 ：相当A 型相对于O 型的差别 b2 ：相当B 型相对于O 型的差别 b3 ：相当AB 型相对于O 型的差别 （2）等级 定量。 一般是将等级从弱到强转换为 （或 ）如文化程度分为小学、中学、大学、大学以上四个等级。 Y为经济收入。 解释：b(b1)反映X（X1） 增加1个单位， 增加b个单位（如：500元）。 表示中学文化较小学收入多500， 大学较中学多500，余类推。 b1,b2,b3分别反映中学、大学、大学以上相对于小学文化程度者经济收入差别的大小 也可将K个等级转换为K-1个（0，1）变量 为了检验两个自变量是否具有交互作用， 普遍的做法是在方程中加入它们的乘积项。 6. 变量间的交互作用 例2 某项研究调查了3334名有心脏疾患的妇女，了解血清高密度脂蛋白胆固醇（HDL cholesterol，mg/dl）与体质指数（body mass index, BMI, kg/m2）的关系，考虑到是否患糖尿病（DIABETES）也是影响HDL水平的因素，因此建立了一个以体质指数、是否患糖尿病为自变量，HDL为反应变量的线性回归方程，结果如表13-4所示。 表13-4 以体质指数、是否患糖尿病为自变量的线性回归方程 变量 b SE t P 95%CI BMI -0.391 0.017 -22.531 0.000 -0.426 -0.357 DIABETES -4.783 0.092 -52.207 0.000 -4.962 -4.603 CONSTANT 67.551 0.363 185.847 0.000 66.839 68.264 F=2441.323, P0.001; R2=0.594, adjR2=0.594, Root MSE=2.02 模型假定HDL的平均水平随BMI的变化而变化的规律在糖尿病妇女和非糖尿病组之间 是相同的，表现为相同的偏回归系数 -0.391 在多重线性回归模型中引入一个新的自变量（DMBMI），定义为BMI和DIABETES的乘积，这个乘积项描述的是两个自变量与反应变量之间的关系。由于两个自变量已经在模型中，乘积项就可以解释为交互作用。 表13-5 以体质指数、是否患糖尿病为自变量，包含交互作用项的线性回归结果 Variable b SE t P 95%CI DIABETES -11.340 0.965 -11.755 0.001 -13.231 -9.448 BMI -0.735 0.053 -13.822 0.001 -0.839 -0.631 DMBMI 0.278 0.041 6.828 0.001 0.198 0.358 CONSTANT 75.544 1.225 61.672 0.001 73.142 77.945 F=1665.379, P=0.000; R2=0.600, adjR2=0.600, Root MSE=2.01 所以，对于非糖尿病人，有 对于患糖尿病的妇女，有 反映了患糖尿病的妇女HDL与BMI的关系 反映了非糖尿病患者HDL与BMI的关系 刻画了糖尿病组和非糖尿病组的妇女HDL与BMI回归关系的差异。 7. 残差分析 残差定义为（ ）。通常使用残差图(residual plot)作为一种直观有效的非正式检查方法。绘制残差与反应变量的预测值的散点图考察模型是否满足线性和方差齐性. 如果散点随机地分布在以为中心的、与横轴平行的的带状区域内，如图（a）所示，就可以认为基本满足线性和等方差的假定条件。 图（b）、（c）的散点呈现曲线趋势，提示资料不满足线性的假定。 图（d）、（e）、（f）显示残差随 的变化而变化，提示资料不满足方差齐的前提条件。 图（g）、（h）显示残差不仅随 的变化而变化，而且散点呈现曲线趋势，提示资料不满足线性和方差齐性的前提条件。 1. 逐步回归分析中，