spss曲线回归多元分析等PPT.ppt

2007年1月 概率预报模型 统计软件 曲线拟合 多元回归 SPSS Logistic回归分析 Cox回归分析 2006级研究生 Curve fitting 一、曲线拟合 2007年1月 医学研究中，X与Y两变量的数量关系并非总是线性的，如 毒物剂量——?动物死亡率 年龄——?身高 时间——?血药物浓度 可用曲线直线化估计(Curve estimation) 或 非线性回归(Nonlinear regression) 方法进行统计学分析。 2007年1月 绘制散点图，根据图形和专业知识选取曲线类型（可同时选取几类） 按曲线类型，作曲线直线化变换 建立变换数据间的直线回归方程 （假设检验，计算决定系数） 比较决定系数选取“最佳”方程 写出曲线方程 曲线直线化估计的步骤 2007年1月 2007年1月 利用线性回归拟合曲线（例1） 例 上海医科大学微生物学教研室以已知浓度X的免疫球蛋白A(IgA, μg/ml)作火箭电泳, 测得火箭高度Y(mm)如表1所示。试拟合Y关于X的非线性回归方程。 编号 X Y X＝lnX 1 0.2 7.6 -1.6094 2 0.4 12.3 -0.9163 3 0.6 15.7 -0.5108 4 0.8 18.2 -0.2231 5 1.0 18.7 0 6 1.2 21.4 0.1823 7 1.4 22.6 0.3365 8 1.6 23.8 0.4700 合计 140.3 -2.2708 2007年1月 （一）绘制散点图，决定曲线类型（二）曲线直线化变换 =a+blnX 2007年1月 （三）建立直线回归方程 X Y X＝lnX (lnX)2 Y2 (lnX)Y 残差平方 0.2 7.6 -1.6094 0.4 12.3 -0.9163 0.6 15.7 -0.5108 0.8 18.2 -0.2231 1.0 18.7 0 1.2 21.4 0.1823 1.4 22.6 0.3365 1.6 23.8 0.4700 合计140.3 -2.2708 2.5902 57.76 -12.2314 0.8396 151.29 -11.2705 0.2609 246.49 -8.0196 0.0498 331.24 -4.0604 0.0000 349.69 0.0000 0.0332 457.96 3.9012 0.1132 510.76 7.6049 0.2209 566.44 11.1860 4.1078 2671.63 -12.8898 7.23 12.62 15.77 18.01 19.75 21.16 22.36 23.40 0.1380 0.1017 0.0053 0.0361 1.0921 0.0563 0.0566 0.1597 1.6458 2007年1月 （四）比较决定系数，确定“最佳”方程 2007年1月 表9-11 15名重伤病人的住院天数X与预后指数Y 编号 1 2 3 4 5 6 7 8 9 10