第15章-多元统计方法.pptVIP

第十五章 多元统计方法 山西医科大学卫生统计教研室 刘桂芬 教授 liugf66@ 多元统计方法 多重线性回归（ multiple linear regression ） 多元线性回归(multivariable linear regression ） Logistic回归（Logistic regression） Cox回归（Cox regression） 主成分分析（principle component analysis） 因子分析（factor analysis） 第一节 多重线性回归 回归分析的任务就是要建立回归方程 设随机抽取n个观察单位，测量得到m个自变量与1个应变量，数据形式如下： 最小二乘原理 按计算机结果输出建立多重线性回归方程： 多重线性回归的假设检验 假设检验 1.多重线性回归方程的假设检验 2.偏回归系数的假设检验 （一）多重线性回归方程的假设检验 即各总体回归系数 都等于零 H1 ：各总体回归系数 不全为零 ?＝0.05 平方和划分原理 （一）多重线性回归方程的假设检验 （一）多重线性回归方程的假设检验 按α＝0.05水准，拒绝/不拒绝H0，即可推断多重线性回归是否成立。 （二）偏回归系数的假设检验 H0 :各βj ＝0 H1 :各βj ≠0 ?＝0.05 t检验 记作 F检验  （二）偏回归系数的假设检验 SAS检出结果见表： 回归系数估计值SAS结果输出  （二）偏回归系数的假设检验 标准化偏回归系数 多重线性回归的评价 1、决定系数 2、剩余标准差 3、Cp统计量 自变量的筛选方法 方程中 有意义﹑有作用的自变量 “最优”回归方程 方程外 作用不显著的自变量 筛选法 向前法（forward selection） 后退法（backward selection） 逐步法（stepwise selection） 多重线性回归的应用 影响因素分析 估计与预测 统计控制 应用中应注意的问题 应满足LINE条件 指标的数量化问题 保证n足够大 异常点﹑强影响点的诊断 应强调y是来自正态总体的随机变量 第三节 Logistic回归分析 一、前言 在疗效评价,发病因素研究中,应变量为分类指标 有效 治愈 发生 阳性 Y 无效 死亡 未发生 阴性 线性回归分析： 正态随机变量 多重线性回归难以解决的问题 医学数据的复杂、多样性 连续型和离散型数据 医学研究中疾病的复杂性 一种疾病可能有多种致病因素或与多种危险因素有关 疾病转归的影响因素也可能多种多样 临床治疗结局的综合性 解决方法 简单的: 固定其他因素，研究有影响的一两个因素； 按1~2个因素组成的层进行分层分析(层内和综合分析)。 多因素: 寻找合适的统计模型 二、 Logistic回归模型 Logistic回归 二分类 多分类 条件Logistic回归 非条件Logistic回归 概述 1967年Truelt J，Connifield J和Kannel W在《Journal of Chronic Disease》上发表了冠心病危险因素的研究，较早地将Logistic回归用于医学研究。 Logistic回归分析解决的问题 医学研究中, 有关生存与死亡, 发病与未发病, 阴性与阳性等结果的产生可能与病人的年龄、性别、生活习惯、体质、遗传等许多因素中哪些有关?如何找出其中哪些因素对结果有影响？ 设:暴露组 发生率 p1 /未发生率(1-p1) 对照组 发生率 p0 /未发生率(1-p0) p表示暴露因素X时个体发病的概率，则发病的概率 与未发病