第十三章 多重线性回归与相关.ppt

第十三章 多重线性回归与相关 多重线性回归的概念及其统计描述 多重线性回归的假设检验 复相关系数与偏相关系数 自变量筛选 关于多重线性回归的应用 多重线性回归的概念及其统计描述 在医学现象中，影响人的生理、病理现象及疾病的因素很多，疾病的发生发展往往是多因素作用的结果，且各因素之间不独立，存在相关性，仅仅进行单因素研究结果不理想。需进行多因素分析。 多重线性回归和相关是一个应变量与多个自变量间联系的线性回归模型和相关关系。是简单线性回归与相关延续。 多重线性回归的概念及其统计描述 例子 人的体重与身高、胸围 血压值与年龄、性别、劳动强度、饮食习惯、吸烟状况、家族史 糖尿病人的血糖与胰岛素、糖化血红蛋白、血清总胆固醇、甘油三脂 射频治疗仪定向治疗脑肿瘤过程中，脑皮质的毁损半径与辐射的温度、与照射的时间 多重线性回归的概念及其统计描述 应用场合： 定量地刻画一个因变量Y与多个自变量X1,X2,……间的线性依存关系。 资料要求： 因变量一定是随机变量(LINE)； 自变量可以是随机变量，也可以是人为给定的。 多重线性回归的概念及其统计描述 一、数据与模型 应用多元线性回归的目的 考察几个地位平等的影响因素对应变量的影响，如上例 根据X前系数考察主要因素扣除其他干扰因素（不易做到均衡可比）后的效应，如在研究新药作用时，可将一些干扰因素纳入多元回归方程。 多元线性回归方程的形式及建立过程 多元线性回归方程的形式及建立过程 多元线性回归方程的形式及建立过程 二、回归参数的估计 多元线性回归方程的形式及建立过程 多元线性回归方程的形式及建立过程 通过解上述方程得到各个偏回归系数以及截距。 由于计算量相当大，一般都是依靠软件包来完成。 多重线性回归的假设检验 多重线性回归的假设检验 有关计算公式 多重线性回归的假设检验 多重线性回归的假设检验 多重线性回归的假设检验 当只有一个自变量时（直线回归）除了t检验，也可用方差分析对回归系数进行假设检验 因此有： 多重线性回归的假设检验 二、偏回归系数的假设检验 在回归方程具有统计学意义的情况下，检验某个总体偏回归系数是否等于零，据以判断其对应的自变量对回归是否有贡献。 使用t检验 多重线性回归的假设检验 复相关系数与偏相关系数 一、决定系数、复相关系数、调整确定系数 1、决定系数 复相关系数与偏相关系数 2、复相关系数 复相关系数与偏相关系数 3、调整决定系数 复相关系数与偏相关系数 二、偏相关系数 复相关系数反映了Y与所有自变量之间的密切程度，但往往需要了解Y与自变量两两之间的关系或两个自变量间的关系。 每两个变量间都可能存在相关，因此计算每两个变量间的简单相关系数不能反映两变量间的真正关系。 为了反映两变量间的真正关系，在保证其他变量保持不变的情况下，计算其相关系数（称为偏相关系数）。 （冷饮销售、游泳人数、气温） 复相关系数与偏相关系数 就下表资料讨论：在分析肺活量与体重、身高的关系时，为什么身高与肺活量的简单相关系数有统计学意义，而偏相关系数却没有统计学意义？ 复相关系数与偏相关系数 简单回归系数 因变量Y 和自变量Xi的直线回归方程中，b为简单回归系数。 偏回归系数 因变量Y 和多个自变量X1,X2,…,Xi ,…，Xp的直线回归方程中，bi为(样本)偏回归系数。 标准偏回归系数 因变量Y 和多个自变量X1,X2,…,Xi ,…，Xp实施标准化变换后的直线回归方程中， 为(样本)标准偏回归系数。 复相关系数与偏相关系数 简单相关系数 单纯考虑因变量Y和自变量Xi的直线相关关系,ri为简单相关系数。 复相关系数 刻画因变量Y（随机变量）和一组自变量X1,X2,…,Xi ,…，Xp的线性联系的程度, 偏相关系数（以Y与X1为例） 扣除自变量X2,…,Xi ,…，Xp的影响后，刻画因变量Y与自变量X1的线性联系的程度 复相关系数与偏相关系数 判断 偏相关是一个变量与另一些变量的线性组合的相关； 偏相关系数的符号与其对应的偏回归系数的符号一致； 偏相关系数的符号，说明该变量对因变量的作用方向； 复相关系数一定是正值； 方程的评价 1、剩余标准差 反映了回归方程的精度，其值越小说明回归效果越好 方程的评价 方程的评价 自变量的筛选 选择适当的自变量使得建立的回归模型达到较好的回归效果。 若将对反映变量无影响或影响很小的自变量引入方程，会加大计算量并使回归参数的估计和预测精度降低。 若未将对反映变量影响大的自变量包含在模型中，则回归参数的估计往往是有偏的