_多元线性回归分析.pptVIP

多元统计分析方法 The Methods of Multivariate Statistical Analysis 3、逐步过程法 (stepwise procedure) 从仅含有常数项的最小模型开始，逐步在模型中添加或消去x 变量，直到模型外的所有x变量都不满足进入允许水平的要求，而且模型内的所有x变量都满足停留允许水平的要求为止。 在模型中添加x变量的方法和向前选择法相同，从模型中消去x变量的方法和向后消去法相同。 添加和消去x变量的顺序原则是，在每添加一个新的x变量之前，首先用向后消去法原则消去模型内所有超出停留允许水平的x 变量，然后用向前选择法原则在模型中添加一个新的x变量。 逐步过程法和向前选择法的不同之处是，已经进入模型的x变量还可以再次从模型中退出；逐步过程法和向后消去法的不同之处是，已经从模型中消去的x变量还可以再次进入模型中。 决定模型好坏的常用指标有三个：检验总体模型的p-值，确定系数R2值和检验每一个回归系数bj 的p-值。 这三个指标都是样本数n、模型中参数的个数k的函数。样本量增大或参数的个数增多，都可以引起p-值和R2值的变化。但由于受到自由度的影响，这些变化是复杂的。 判断一个模型是否是一个最优模型，除了评估各种统计检验指标外，还要结合专业知识全面权衡各个指标变量系数的实际意义，如符号，数值大小等。 对于比较重要的自变量，它的留舍和进入模型的顺序要倍加小心。 决定模型好坏的常用指标和注意事项： 第六节 多元线性回归分析应用实例 例：为了了解和预测人体吸入氧气的效率，收集了30名中年男性的健康状况调查资料。共调查了7个指标，它们是：吸氧的效率(y)，年龄(x1)，体重(x2)，跑1.5公里所需的时间(x3)---以分钟计算，休息时的心跳次数(x4)，跑步时的心跳率(x5)，和最高心跳率(x6) 。该问题中吸氧的效率(y)是因变量，其余6个变量是自变量。试用多元回归分析建立预测人体吸氧效率的模型。 * 第五章 多元线性回归分析 什么是多元线性回归分析？ 多元线性回归分析的数学模型 多元线性回归分析的方法步骤 多元线性回归分析的逐步回归法 多元相关分析 多元线性回归分析在医学中的应用 回归分析的分类 连续型因变量 (y) ---线性或非线性回归分析 多个因变量 (y1,y2…yk) 分类型因变量 (y) ---Logistic 回归分析 时间序列因变量 (t) ---时间序列分析 生存时间因变量 (t) ---生存风险回归分析 路径分析 结构方程模型分析 一个因变量 y 例如：各种回归分析的比较 第一节 多元线性回归分析的基本思想 多元线性回归分析： 研究一个因变量与一组自变量的依存关系，即，研究一组自变量是如何直接影响一个因变量的。 第二节 多元线性回归分析的数学模型 id x 1 … x j … xk y ------------------------------------------------------ 1 x11 … x1j … x1k y1 … … … … … … … i x i1 … x ij … xik yi … … … … … … … n xn1 … xnj … xnk yn 数据： 数学模型： 其中：{yi}和{xij}是因变量y和自变量xj 的观察值； β0, β1…βk是待估计的偏回归系数； e i 是yi 的随机误差，且{ei }～N(0,σ)。 一元线性回归分析的数学模型 模型： yi=α+ β xi + εi (i=1,2…n) id x y ------------------------ 1 x1 y1 2 x2 y2 …… i xi yi …… n xn yn 。 。 。 。 。 。 。 。 。 。。 。 x y 0 。 。 。 一元线性回归模型 (xi, yi) εi y =α+βx 因变量是连续随机变量； 自