第十二讲多重线性回归教程.pptVIP

* 输出结果：如图17-5，延缓心律失常时间和乌头碱注射速度的简单相关系数= -0.779，双侧P=0.001；延缓心律失常时间和大鼠体重的简单相关系数= -0.820，P=0.000；等。 * 如将 “Controlling for…”框的固定变量换为乌头碱注射速度和常咯啉剂量，将延缓心律失常时间和大鼠体重选入“Variables”框，可不选择Zero-order correlations， * 输出结果：延缓心律失常时间和大鼠体重的偏相关系数=－0.946，P=0.000。延缓心律失常时间和大鼠体重之间负相关有统计学意义。 比较一级偏相关系数与相应的简单相关系数，可见其绝对值和P值都有改变，偏相关系数是扣除了其他变量干扰后，2变量之间相关程度与方向的真实情况。 人有了知识，就会具备各种分析能力， 明辨是非的能力。 所以我们要勤恳读书，广泛阅读， 古人说“书中自有黄金屋。 ”通过阅读科技书籍，我们能丰富知识， 培养逻辑思维能力； 通过阅读文学作品，我们能提高文学鉴赏水平， 培养文学情趣； 通过阅读报刊，我们能增长见识，扩大自己的知识面。 有许多书籍还能培养我们的道德情操， 给我们巨大的精神力量， 鼓舞我们前进。 * * 管理学院数学与统计教研室 曹治清管理学院数学与统计教研室 杨胤清 中医药统计学与软件应用 曹治清成都中医药大学管理学院 数学与统计教研室 czq9771@163.com * 第10讲 非参数检验 概述 多重线性回归的应用以及注意事项 多重线性回归的电脑实验 * 第11讲 多重线性回归—引言 在医药研究中，应变量的变化往往受到多个因素的影响，此时就需要用多重线性回归（Multiple Linear Regression），多重线性回归是直线回归的扩展。例如，人的体重与身高、胸围有关；人的心率与年龄、体重、肺活量有关。因此，采用两个或多个影响因素作为自变量(Xi)来解释应变量(Y)的变化，建立最优组合模型来预测或估计因变量，比只用一个自变量进行预测或估计更有效，更符合实际。 * 第一节 多重线性回归 一、多重线性回归模型 Y＝β0＋β1X1＋β2X2＋…＋βmXm＋e 二、多重线性回归的基本条件 多重线性回归模型的应用条件同直线回归，即线性（linearity）、独立性（indepen-dency）、正态性和方差齐性（normal distribution and equal variance）等条件，简记LINE。还要注意个自变量间不能存在多重共线性。 * 三、多重线性回归分析的步骤 * 四、多重共线性问题 如果一些自变量之间存在较强的线性关系，称多重共线性。判断多重共线有相关系数、容忍度、方差膨胀因子等指标。 一般来说，相关系数r0.8的变量可能存在共线问题，r0.9的变量存在共线。 容忍度=1－R2，愈小说明共线问题愈严重，如果某个自变量的容忍度0.1，共线问题严重。 方差膨胀因子 = 容忍度的倒数，愈大说明共线问题愈严重。 消除多重共线性的方法有多种，如岭回归、主成分回归等。 * 五、多重回归的样本含量 只要例数n多于自变量个数m即可，一般要求n为m的5倍以上。 六、多重回归的检验 多元线性回归方程的假设检验：①对整个方程的综合检验，即对回归方程的线性假设检验；②对每一个自变量的检验，即对每个偏回归系数的假设检验。 * ⑴ 回归方程的方差分析 剩余标准差 剩余标准差的平方是残差的方差，又称均方误差，记为MSE，其值越小越好 （2） 偏回归系数的假设检验 分别考察每一个自变量 xi 与应变量 Y 是否都有直线回归关系 * R2＝SS回 /SS总 校正决定系数是衡量方程好坏的常用指标之一 七、决定系数 八、标准化偏回归系数 * 九、残差分析 * * 资料不满足其条件时，常用的处理方法有：修改模型或者采用曲线拟合；变量变换，常用的变量变换有对数变换、平方根变换、倒数变换等。变量变换对自变量或（和）应变量均适宜；如果方差不齐，可采用加权最小二乘法估计偏回归系数。 * （1）分析因素的相对重要性，找出对因变量最大的关键因素。 （2）同时调整多个混杂因素的作用（类似多元协方差分析调整多个混杂因素的作用）。 （3）估计与预测，用较易测量的多个自变量来估计难以测得应变量总体均数μY或预测个体Y值。 （4）多重回归分析是进一