6_广义线性回归分析..pptVIP

多元统计分析方法 The Methods of Multivariate Statistical Analysis The means and adjusted means means adjusted means Drug A 5.20 6.72 Drug D 6.10 6.82 Drug F 13.10 10.16 均值和校正均值 【结果解释】 ① 模型的总体检验结果： p=0.0001，R2=0.676，说明模型有统计意义， 即drug和x 对y 的联合作用是显著的。 ② TyepI SS 对参数的检验结果： 因为drug排在协变量x之前，根据第一类SS定义，检 验drug 对y 的影响效应时，没有对x 进行校正。此结果 说明，不考虑治疗前的病情状况，这三种治疗方法是有 显著性区别的(p=0.0010)。 ③ TyepIII SS 对参数的检验结果。根据第三类SS定义，检验 模型中每一个自变量时，都校正模型中的其它变量对y 的 影响。此结果说明，校正了治疗前的病情状况后，这三种 治疗方法是没有显著性区别的(p=0.1384)。 ④ 给出了三个处理组的校正均值，即，校正了治疗前的病情 状况后三个组的均值，以及每一对均值的差异比较。因为 上面结果已经说明三种治疗方法没有显著性差别，因此不 需要解释这一部分的结果。 因为数据满足协方差分析的 假设条件，因此，上述协方差分析结果是可靠的。 协方差分析的意义 可以消除多个混杂因素对处理效应的影响，得到校正均值； 提高方差分析结果的准确性和真实性； 医学研究中应用广泛，解决了很多条件不易控制的实验问题。 * 主要的统计分析方法 卡方分析 分类型 数值型 回忆 方差分析 回归分析 比较率 比较均值 依存关系 反应变量 异同点？ 方差分析 分析效应因子A对反应变量Y的影响，即，分析效应因子A的不同水平对反应变量Y的作用差异。 。男性和女性之间收缩压的差异 。试验药和对照药之间的作用差异 。大学生和运动员之间肺活量的差异 方差分析的原理 分解总体变异： SST = SSA + SSE Y的总体变异 被因子A 所解释的部分 残差 舒张压 性别 回归分析 分析自变量X对因变量Y的依存关系，即，分析自变量X改变一个单位时，因变量Y的改变量大小。 。收缩压和胆固醇的依存关系 。肺活量和体重的关系 。污染物浓度和污染源距离之间的关系 回归分析的原理 分解总体变异： SST = SSX + SSE Y的总体变异 被自变量X 所解释的部分 残差 舒张压 胆固醇 方差分析和回归分析的相同点 模型： 因变量 = 自变量 + 残差 方法原理： 分解总体变异 SST = SSA + SSE SST = SSX + SSE 因变量： 连续型数值变量 方差分析和回归分析的不同点 自变量： 方差分析： 自变量---分类型 回归分析： 自变量---连续型 结合？ 第五章 广义线性模型分析 General Linear Model Analysis 什么是广义线性模型分析？ 协方差分析 广义线性回归分析 主要内容 第一节 广义线性模型分析的概念 广义线性模型分析是将方差分析和回归分析的基本原理结合起来，用来分析连续型因变量与任意型自变量之间各种关系的一种统计分析方法。 其意义是使得方差分析和回归分析的实用性和准确性得到进一步提高。 两个典型的广义线性模型分析方法 协方差分析 广义线性回归分析 含有数值型自变量的方差分析 含有分类型自变量的回归分析 第二节 协方差分析 协方差分析是将方差分析原理和线性回归分析原理结合起来的一种方差分析方法。它消除了混杂变量（协变量）对因变量的影响，使得方差分析结果更加准确。 。男性和女性之间收缩压的差异 。试验药和对照药之间的作用差异 。大学生和运动员之间肺活量的差异 方差分析存在的问题：结果不够准确 用方差分析结果来对下面问题作结论，合适吗？ 年龄 用药前水平 身高 方差分析不够准确的原因： 年龄 身高 SST = SSA + SSE Y的总体变异 被因子A 所解释的部分 残差 随机误差 混杂因子 肺活量 职业 解决的办法 处理效应Y 效应因子 A,B,C,… 混杂因子 X1,X2,… 选取条件相同的样本 在方差分析模型中加入混杂因子 协方差