第24章多元线性回归(卫生统计学余金明).pptVIP

第24章多元线性回归与相关 一、建立回归方程 多元线性回归方程 b1,b2… bk: 为偏回归系数partial regression coefficient。表示在其他自变量固定的条件下，xi 改变一个单位时应变量的改变量 采用最小二乘法计算偏回归系数 见P310,例24-1 二、回归方程的假设检验 H0：各总体偏回归系数均为0 H1：各总体偏回归系数不等于0或不全为0 FF0.05，则多元回归有统计学意义 三、标准化偏回归系数 由于自变量单位不同，不能用偏回归系数的大小来说明各变量的重要性。需进行标准化变换，再用上述的方法计算多元回归方程的回归系数，即为标准偏回归系数 即每一个变量值都减去该变量的平均数后再除以该变量的标准差（Z变换）所得的商就称为标准化量。用标准化量计算得到偏回归系数，没有单位，其绝对值大小在一定程度上反映了各自变量的重要性。 四、偏回归系数的统计意义检验 不仅要对整个回归方程进行统计意义检验 还需对每个自变量的作用，即偏回归系数作统计意义检验 x1 的偏回归平方和：是该回归方程中由于除去变量x1后回归平方和的减少量 以P310例题为例，采用SPSS进行分析 数据库见：multiple linear regression Analyze→ regression → linear Dependent框：y Independent框：x1、x2、x3 Method: 选择系统默认的enter(强制纳入回归模型) OK 五、复相关系数和偏相关系数 1、复相关系数multiple correlation coefficient：表明多个变量间的相关程度 SPSS计算复相关系数 采用典型相关分析：是研究两组变量之间相关关系的一种多元统计分析方法。常有两方法，其一为：采用类似于主成分分析的方法，在每一组变量中都选择若干个有代表性的综合指标（变量的线性组合），通过研究两组综合指标之间的关系来反映两组变量之间的相关关系。怎样寻找综合指标，使它们之间具有最大的相关性，这就是典型（则）相关canonical correlation 当两个变量组均只有一个变量时，典型相关系数即简单相关系数，当一组变量只有一个变量时，典型相关系数即为复相关系数。 SPSS可采用Manova过程来拟合，或采用专门提供的宏程序来拟合（使用非常简单，结果又非常详细，故常用后一种方法） Include’SPSS所在路径\canonical correlation.sps’. Cancorr set1=第一组变量列表 /set2=第二组变量列表. Run all即可 Correlations for Set-1 y y 1.0000 Correlations for Set-2 x1 x2 x3 x1 1.0000 .1718 .6409 x2 .1718 1.0000 .4522 x3 .6409 .4522 1.0000 Correlations Between Set-1 and Set-2 x1 x2 x3 y .6945 .5864 .7288 Canonical Correlations 1 .859 Test that remaining correlations are zero: Wilks Chi-SQ DF Sig. 1 .263 8.692 3.000 .034 Standardized Canonical Coefficients for Set-1 1 y 1.000 Raw Canonical Coefficients for Set-1 1 y .002 Standardized Canonical Coefficients for Set-2 1 x1 .541 x2 .456 x3 .296 Raw Canonical Coefficients for Set-2 1 x1 .163 x2 .101 x3 .272 Canonical Loadings for Set-1 1 y 1.000 Cross Loadings for Set-1 1 y .859 Canonical Loadings for Set-2