常用多变量分析简介zjh2010.12.30PPT.ppt

* 第十六章 常用多变量统计方法简介 多变量统计方法是研究多个随机变量之间相互关系及规律性的统计学分支。医学现象往往涉及多个变量，且变量间又存在一定的联系。 如果用单变量统计方法分别进行统计分析，就忽略了各变量之间存在的相互关系，丧失许多样本信息，分析结果难以客观全面地反映实际情况。 此时，往往需要采用多变量统计方法进行分析。 多变量统计方法不仅能够研究多个变量之间的相互关系以及揭示这些变量之间的变化规律，而且能够使复杂的指标简单化，并对研究对象进行分类或简化。 随着计算机技术的普及，各种统计软件的不断推出，多变量统计方法已广泛应用到医学研究的各个领域。 常用的多变量统计方法有： 多重线性回归分析 多重logistic回归分析 Cox比例风险回归分析 多变量方差分析 Poisson回归分析 对数线性模型分析 聚类分析 判别分析 典型相关分析 路径分析 主成分分析、探索性因子分析、证实性因子分析 结构方程模型分析，等等。 一. 多重线性回归 一. 多重线性回归 多重线性回归(multiple linear analysis)是一元线性回归或简单回归分析的推广。 它研究的是一组自变量(x1,x2, …,xp)如何影响一个因变量(y)。 这里自变量(independent variable)指的是一组独