多元统计分析及R语言建模5.pptVIP

多元统计分析及R语言建模 第5章 广义与一般线性模型及R使用 王斌会 教授 多元统计分析及R语言建模 第5章 广义与一般线性模型及R使用 多元统计分析及R语言建模 第5章 广义与一般线性模型及R使用 基本内容： 数据的分类与模型选择、广义线性模型概述、Logistic回归模型、对数线性模型、一般线性模型的计算。 基本要求： 要求学生针对因变量和解释变量的取值性质，了解统计模型的类型。掌握数据的分类与模型选择方法，并对广义线性模型和一般线性模型有初步的了解。 内容与要求 5.1 数据的分类与模型选择 5广义与一般线性模型及R使用 5.1 数据的分类与模型选择 5广义与一般线性模型及R使用 2.模型选择方式：基本公式 y X 连续变量 0-1变量 有序变量 多分类变量 连续伴有删失 连续变量 线性回归方程 logistic回归模型 累积比数模型 对数线性模型 对数线性模型 多分类logistic回归模型 cox比例风险模型 分类变量 实验设计模型（方差分析模型） 连续变量 分类变量 协方差分析模型 5.2 广义线性模型 5广义与一般线性模型及R使用 表5.1 广义线性模型中的常用分布族 5.2 广义线性模型 5广义与一般线性模型及R使用 5.2 广义线性模型 5广义与一般线性模型及R使用 说明与举例 说明： 2、Logistic模型：函数形式 其中参数估计采用极大似然估计。 举例： 对45名驾驶员的调查结果，其中四个变量的含义为： x1:表示视力状况，它是一个分类变量，1表示好，0表示有问题； x2：年龄，数值型； x3：驾车教育，它也是一个分类变量，1表示参加过驾车教育，0表示没有； y：分类变量（去年是否出过事故，1表示出过事故，0表示没有）。  5.2 广义线性模型 5广义与一般线性模型及R使用 d5.1=read.table(clipboard,header=T) #读取例5.1数据 logit.glm-glm(y~x1+x2+x3,family=binomial,data=d5.1) #Logistic回归模型 summary(logit.glm) #Logistic回归模型结果 得到初步的logistic回归模型： （1）建立全变量logistic回归模型： 程序与结果 5.2 广义线性模型 5广义与一般线性模型及R使用 logit.step-step(logit.glm,direction=both) #逐步筛选法变量选择 由此得到新的logistic回归模型： （2）逐步筛选变量logistic回归模型： summary(logit.step) #逐步筛选法变量选择结果 程序与结果 5.2 广义线性模型 5广义与一般线性模型及R使用 pre1-predict(logit.step,data.frame(x1=1)) #预测视力正常司机Logistic回归结果 p1-exp(pre1)/(1+exp(pre1)) #预测视力正常司机发生事故概率 pre2-predict(logit.step,data.frame(x1=0)) #预测视力有问题的司机Logistic回归结果 p2-exp(pre2)/(1+exp(pre2)) #预测视力有问题的司机发生事故概率 c(p1,p2) #结果显示 （3）：预测发生交通事故的概率 程序与结果 5.2 广义线性模型 5广义与一般线性模型及R使用 说明与举例 说明： 3、对数线性模型：函数形式 式2含有交叉效应 举例： 某企业想了解顾客对其产品是否满意，同时还想了解不同收入的人群对其产品的满意程度是否相同。     满意 不满意 合计 高 53 38 91 中 434 108 542 低 111 48 159 合计 598 194 792 在R语言中，数据需变形为：用y表示频数，x1表示收入人群，x2表示满意程度 5.2 广义线性模型 5广义与一般线性模型及R使用 程序与结果 （1）建立Poisson对数线性模型： 从检验结果可看出，p1=0.00310.01，p20.01，说明收入和满意程度对产品有重要影响 5.3 一般线性模型 5广义与一般线性模型及R使用 说明与举例 举例： 设有3台机器，用来生产规格相同的铝合金薄板。现从3台机器生产出的薄板中各随机抽取5块，测出厚度值，见下表，试分析各机器生产的薄板厚度有无显著差异？  机器1 2.36 2.38 2.48 2.45 2.47 2.43 机器2 2.57 2.53 2.5