第2章_回归分析_9.1.pptVIP

第二章 相关与回归分析 [问题]用比色法测定sio2含量,其数据如下，现在讨论其含量与吸收值之间的关系。 §2.1 回归分析的基本概念 二、回归分析所能解决的问题 回归分析主要解决以下几方面的问题： （1）确定几个特定数据之间是否存在相关关系，如果存在的话，找出它们之间合适的数学表达式 （2）根据一个或几个数据值，预报或控制另一个数据的取值，并要知道这种预报或控制的精确度 （3）进行数据组分析，确定数据组的主次以及数据之间的相互关系等等 §2.3 线性相关的显著性检验 §2.4 过定点(x0,y0)的回归方程 医药实验中在应用直线回归时，经常要求所拟合的直线必须经过某定点(x0,y0)，这些情况在应用光电比色、荧光分析、火焰光度测定以及同位素测定等来绘制标准直（曲）线时经常遇到。这时，需用另一套专用计算公式： 进行曲线配合应注意的几点 : 1．必须有实际意义，配合的曲线在理论上要得到适当的解释。 2．要注意资料应具备的特征与观察占的趋势有无矛盾。如是否通过定点，曲线渐近线的位置，极大、极小值及拐点等。 3．拟合的曲线本身是否最优或较优。即需要进行拟合优度的检验。 §2－7 多元回归分析方法 一、多元回归分析概述 上节讨论的只是两个变量的回归问题，其中因变量只与一个自变量相关。但这只是最简单的情况，在大多数的实际问题中，影响因变量的因素不是一个而是多个，我们称这类回问题为多元回归分析。 我们这里着重讨论简单而又最一般的线性回归问题，这是因为许多非线性的情形可以化为线性回归来做。多元线性回归分析的原理与一元线性回归分析完全相同，但在计算上却要复杂得多。不过，应用计算机多元回归的计算量是很小的，一般的计算机都有多元回归（以及逐步回归方法）的专门程序 。 常咯啉,乌头碱与产生心律失常时间的关系 解答： 对表中数据进行多元线性回归，得方程 Y=0.201+0.037A-0.00344B+0.077C n=7 R=0.87 F=3.29 经F检验，回归方程无显著意义。 吡啶量对收率的影响不大，故忽略因素B，得回归方程： Y=0.1685+0.0251A+0.0743C n=7 R=0.857 F=5.51 经F检验，回归方程有显著意义。 §2－8 逐步线性回归分析 在药学工作中常常应用回归方法建立所谓预报方程，就是说在可能影响预报量即因变量的许多因素中“挑选”变量，以建立我们认为是对这批观测数据“最优”的回归方程。 所谓“最优”回归方程，应包括所有对y（响应）显著的变量（因素），但不包括对y不显著的变量。 逐步回归法 该法也是从一个自变量开始按自变量对y作用的显著程度，从大到小地依次逐个地引入回归方程。所不同的是，当先引入变量由于后面的变量变得不显著时，则随时将它们从回归方程中剔除。因此逐步回去归的每一步（引入一个变量或从回归方程中剔除一个变量都算作一步）的前后都要作显著性检验，以保证每次在引入新的显著变量之前回归方程中只包含显著的变量，直到没有显著的变量可以引入回归方程为止。这种“有进有出”的算法是目前国内广泛应用的一种。 例：大白鼠在不同缺氧程度X(mmHg)条件下，受相同剂量放射线照射后骨髓内的坏死灶Y(个/50个视野)亦不同，数据如下：x (mmHg) 300 400 500 600 700 760y (个/50个视野) 214.5 87.5 92.5 136.6 180.2 212按其趋势试拟合二次多项曲线 解：作(x,y)散点图。 首先使资料对称化。此例观察点显然不对称，经尝试，在半对数纸上，置x-200于对数尺度，y于算术尺度，可以达到较好的对称性。 65 58 59 67 56 72 68 700 680 685 700 650 690 670 9.1 9.3 9.5 9.7 10.0 10.3 10.5 40 49 55 63 65 57 58 62 665 685 690 700 695 670 675 690 6.8 7.2 7.6 8.0 8.2 8.4 8.6 8.8 例 某种产品的收量Y与处理压力 及温度 有关，测得试验数据如下： 收量与压力和处理温度的线性关系是否显著?若显著,求二元线性回归方程. §9.6 多元线性回归分析 §9.6 多元线性回归分析 §9.6 多元线性回归分析 §9.6 多元线性回归分析 例：用一定浓度乌头碱恒速注射于大鼠静脉，从注射开始到发生心律失常所需时间作为观察指标，预先注射一定量的常咯啉，可延长发生心率失常的时间，但这个时间又与乌头碱注射速