回归分析 5.ppt

* Poisson分布简介在某些固定的条件下, 人们认为某些事件出现的次数服从Poisson分布, 比如在某一个时间段内某种疾病的发生病数, 显微镜下的微生物数, 血球数, 门诊病人数, 投保数, 商店的顾客数, 公共汽车到达数, 电话接通数等等. 然而, 条件是不断变化的. 因此, 所涉及的Poisson分布的参数也随着变化. * Poisson对数线性模型 假定哮喘发生服从Poisson分布；但是由于条件不同，Poisson分布的参数l也应该随着条件的变化而改变。这里的条件就是给出的性别、空气污染程度与年龄。当然，如何影响以及这些条件影响是否显著则是我们所关心的。这个模型可以写成 这里m为常数项，ai为性别（i=1,2分别代表女性和男性两个水平），bj为空气污染程度（j=1,2,3代表低、中高三个污染水平），x为连续变量年龄，而g为年龄前面的系数，eij为残差项。 * * * Poisson对数线性模型 从对于数据(asthma.sav)的Poisson对数线性模型的相应SPSS输出，可以得到对m的估计为4.9820，对ai的两个值的“估计”为-0.0608、 0.0000，对bj的三个值的“估计”为-0.1484，0.1223、0.0000，对g的估计为 0.0126。 注意，这里的对主效应aI和bj的估计只有相对意义；它们在一个参数为0的约束条件下得到的。 从模型看上去，年龄和性别对哮喘影响都不那么重要。轻度污染显然比中度污染和严重污染哮喘要好。但是似乎严重污染时哮喘稍微比中度污染少些(差别不显著)。 通过更进一步的分析（这里不进行），可以发现，中度和严重空气污染（无论单独还是一起）和轻度空气污染比较都显著增加哮喘人数，而中度及严重污染时的哮喘人数并没有显著区别。 * SPSS的实现 [数据asthma.sav] 假定已经加权 这时的选项为Analyze－Loglinear－General, 首先选择格子中频数的分布,这里是Poisson分布。 然后把两个变量（sex，polut）选入Factors（因子），把age选入Cell Covariate(s)。 再选Model（模型），这里以选Custom（自定义），在Building Terms（构造模型的项）选Main effect（主效应），再把三个变量一个一个地选进来。 如果想要知道模型参数，在Options中选择Estimates。最后Continue-OK即可得出结果。 在结果中可以找到有关Pearson c2统计量和似然比c2统计量的检验结果及参数的估计（如果SPSS的Viewer输出不完全，可以选中不完全的输出，利用Edit-Copy Objects来复制到例如记事本那样的文件中，就可以看到完整输出了）。 下面是实验数据的方差分析和一般线性模型 * RISKFAC.sav：只用农村净水使用％ 模型：全模型 模型：女性预期寿命 * 140(Romania ) RISKFAC.sav模型2异常点诊断残差 模型：全模型 模型：女性预期寿命 * RISKFAC.sav：模型2异常点诊断高杠杆点不太突出 模型：全模型 模型：女性预期寿命 * RISKFAC.sav：模型2异常点诊断Cook距离 140(Romania ) 模型：全模型 模型：女性预期寿命 * 对该例子(RISKFAC.sav)的结果解释 单独用第一个自变量比单独用第二个较好 模型1（相应于模型）的“异常点”为一些非洲国家；它们可能不适合用这个模型。 模型2（相应于模型）的“异常点”为Romania；它可能不适合用这个模型。 从散点图来看，第一个模型更加线性。 两个自变量的模型的“异常点”为单独模型“异常点”的混合。 其实，用一个自变量就够了。这两个自变量是相关的。当然是用第一个了。可能把异常点排除后再重新建模更好。 * 自变量中有定性变量的回归 例1的数据中,还有一个自变量是定性变量“收入”,以虚拟变量或哑元(dummy variable)的方式出现;这里收入的“低”,“中”,“高”，用1,2,3来代表.所以,如果要用这种哑元进行前面回归就没有道理了. 以例1数据为例,可以用下面的模型来描述: * 自变量中有定性变量的回归 现在只要估计b0, b1,和a1, a2, a3即可。 哑元的各个参数a1, a2, a3本身只有相对意义，无法三个都估计，只能够在有约束条件下才能够得到估计。 约束条件可以有很多选择，一种默认的条件是把一个参数设为0，比如a3=0，这样和它有相对意义的a1和a2就可以估计出来了。 对于例1，对b0, b1, a1, a2, a3的估计分别为28.708, 0.688, -11.066, -4.679, 0。这时的拟合直线有三条，对三种家庭收入各有一条: