一般线性模型的几种常见形式及应用.docVIP

一般线性模型的几种常见形式及其合理选用 中国卫生统计 1999年第5期第16卷 论著 作者：胡良平 单位：军事医学科学院医学统计教研室(100850) 关键词：一般线性模型；设计矩阵；协方差矩阵；多水平模型 　　【提　要】　目的　展示一般线性模型(GLM)的常见形式及其特点，便于人们合理选用。方法　通过改变设计矩阵X和误差的协方差矩阵Ω的结构以及分析设计矩阵X的变量性质，将GLM演绎成一个个简单明了的具体表达式。结果　将GLM简化成适用于回归分析、方差和协方差分析、多水平模型等具体的统计模型。结论　合理选用统计模型的关键在于弄清资料所取自的设计类型，影响因素和反应变量的性质，有无协变量以及各种统计模型的适用范围。 Common Patterns and Rational Applications of the General Linear Model Hu Liangping, 　　Department of Medical Statistics,Academy of Military Medical Sciences(100850),Beijng 　　【Abstract】　Objective　Presenting the common patterns and their characteristics of the general linear model(GLM)for the convenient and rational application.Methods　By changing the structures of design matrix(X)and covariance matrix of error(Ω) and analyzing the characters of variables in the design matrix(X),some concise and concrete expressions are deduced from GLM respectively.Results　To simplify GLM into several particular statistical models which are suitable for regression analysis,analysis of variance and covariance,and multilevel modelling.Conclusion　The key to the rational selection of statistical models lies in clarifying the design types of data,the characters of affecting factors and response variables,the availability of covariates,and the applicability of various statistical models. 　　【Key words】　General linear model　Design matrix　Covariate matrix　Multilevel model 　　一般线性模型概述 　　统计分析的对象是统计资料，如果资料中包含着自变量X和连续变化的反应变量Y时，为了用最简便的方式描述反应变量与自变量之间的依存关系，人们首选一般线性模型(GLM)，见式(1)。 Y=Xβ+e (1) 　　模型(1)中，Y为反应变量的观测值向量，X为由自变量构造的设计矩阵，β为回归参数向量，e为正态独立随机误差向量，并假定其均值E(e)=0，协方差矩阵为Ω=Cov(e)。 　　当由模型(1)定义的GLM具有各种不同结构的设计矩阵X和误差的协方差矩阵Ω时，GLM就会有各种不同的变形。例如：当Ω=σ2In时，模型(1)被称为经典(或标准)线性回归模型；如果可将X剖分成X=(X1,X2)，其中X1与固定效应有关，X2与随机效应有关，同时，Ω具有式(2)的形式： Ω=X2VX′2+Ψ (2) 　　式(2)中V和Ψ是协方差矩阵，则模型(1)就变成一般线性混合模型(GLMM)；如果对X与Ω作其他一些假定，模型(1)可分别转变成MANOVA模型(即多元方差分析模型)和GMANOVA模型(即广义多元方差分析模型)等模型〔1〕。 　　从构成设计矩阵X的变量性质来分类，模型(1)又有许多不同的变形。例如：当X分别由固定效应、随机效应和固定与随机两种效应的定性影响因素构造而成时，模型(1)就分别简化为固定效应、随机效应和混合效应的方差分析模型；当X全部由定量的影响因素(包括哑变量)构造而成时，模型(1)就简化为回归分析模型；当X同时