《医学统计学》最新版Ch10回归分析(72H)分析.ppt

Medical Statistics 医学统计学 回归分析 Regression Analysis 主要内容 直线回归的定义(掌握) 直线回归方程的估计(掌握) 回归方程的解释(掌握) 回归系数的t检验(掌握) 回归方程中变异的分解(掌握) 回归方程的方差分析(掌握) 与回归有关的区间估计(熟悉) 两直线回归方程的比较(了解) 过定点的直线回归(了解) 相关与回归的区别和联系(掌握) 回归分析的正确应用(掌握) 其他类型的回归(了解) 这两个关系有什么不同？ 直线回归的定义 宏观上来讲，体重和体表面积呈直线关系，但并不能用 来描述。所以我们用 “hat”表示估计值，给定x时y的条件均数 Y 因变量，响应变量 (dependent variable, response variable) X 自变量，解释变量 (independent variable, explanatory variable) b 回归系数，斜率 (regression coefficient, slope) a 截距 (intercept) 不同斜率时回归直线的表现 Regression  释义 小插曲：为什么叫”回归“？ 分析实例：3岁男童体重与体表面积 绘制散点图 直线回归方程的求解：最小二乘原理 直线回归方程的求解 回归方程的估计 对于本例，经计算得 回归方程 3岁男童体重和体表面积间的直线回归方程 回归直线 回归直线的有关性质 直线通过均点 直线上方各点到直线的纵向距离之和 = 直线下方各点到直线的纵向距离之和 即: 各点到该回归线纵向距离平方和较到其它任何直线者为小。 回归系数和回归方程的意义及性质 b 的意义 a 的意义 和 的意义 的意义 回归系数的解释 b的涵义： 体重增加1(kg)，则体表面积平均递增0.2385 (103cm2 )。 体重为X＋1(kg)的3岁男童，其平均体表面积比体重为X(kg)的3岁男童之平均体表面积多0.2385(103cm2)。 a 的意义 估计值 的意义 X=12kg, =5.3832 (103cm2) 即体重为12kg的3岁男童 其体表面积之均数的估计值为5.3832 (103cm2) 给定X时，Y的均数的估计值。 当 时， 这里的均数是给定X的条件下，由回归方程估计得到的，故又称条件均数(conditional mean)。 残差 残差平方和 (residual sum of squares). 综合表示点距直线的距离。 在所有的直线中，回归直线的残差平方和是最小的。(最小二乘) 直线回归系数的t检验 回归系数也有抽样误差！ 检验方法 针对回归系数b的检验：t检验 针对整个回归方程的检验：方差分析 直线回归系数的t检验 总体回归系数? =0，则回归关系不存在。 H0：总体回归系数为0， ? =0； H1：总体回归系数不为0，??0； ?=0.05。 直线回归系数的t检验 什么叫做本身的变异？ 甲在学习某学科之前，只知晓该学科10%的知识点，如果当时去考试，不一定恰好考10分，但是大约会在10分附近波动；如果他考了12分。 甲在学习某学科1周，知晓该学科40%的知识点，如果当时去考试，不一定恰好考40分，但是大约会在40分附近波动；如果他考了36分。 甲在学习某学科5周，知晓该学科80%的知识点，如果当时去考试，不一定恰好考80分，但是大约会在80分附近波动；如果他考了85分。 甲在学习某学科10周，知晓该学科95%的知识点，如果当时去考试，不一定恰好考95分，但是大约会在95分附近波动； 如果他考了92分。 在本例中，从成绩来看，四次成绩波动很大，但请注意，这四次这么大的波动，并非主要是由于考生考运等原因造成的，而是由于不同的学习时间导致对知识掌握程度不同。 只有将学习时间这个影响因素去除，2(12-10)、-4 (36-40)、5(85-80)、-3(92-95)，这些分数的差别才是一种变异，即考生各次考试间的变异。 直线回归系数的t检验 名词辨析： Y的变异 Y本身的变异 H0：总体回归系数?＝0，即体重与体表面积无回归关系； H1：总体回归系数?≠0，即体重与体表面积有回归关系。 ? =0.05。 ?=