一般线性回归模（GLM）1.pptVIP

;特殊模式 兩個自變數的一階模式； 如: E(Y) =β0+β1X1+β2 X2 若 X1 對平均反應的效應和X2 無關， 而 X2 對平均反應的效應和 X1 無關， 則稱此兩自變數無交互作用 (no interaction)， 即自變數對反應變數的效應是可加的 , 或無交互作用的。 迴歸係數的意義 參數β1：經過 X2 調整，平均反應(Y)隨 X1 之每一單位增加而改變的量。 參數β2：經過 X1 調整，平均反應(Y)隨 X2 之每一單位增加而改變的量。;二次完全迴歸式； 如： E(Y)=β0+β1X1+ β2 X12 +β3 X2 + β4 X22 + β5X 1 X2 E(Y)為一曲面， 稱為 regression surface 或 response surface 多項式迴歸式； 如： E(Y) =β0+β1X1+ β2 X12 轉換變數迴歸式； 如： E(log(Y)) =β0+β1X1+β2 X2 E(Y) =β0+ β1 log(X1) + β2 X22 ;;決定係數 (coef. of determination， R2); 由簡單相關係數矩陣可以看出變數間相關性之強度。 由檢定 H0 : ρ= 0 vs. Ha : ρ ≠0 決定變數間是否相關； 若 p-值 α，結論為顯著相關。 兩預測變數的簡單相關係數相當大時，則其迴歸結果有共線性的現象存在，此時迴歸式的不準度性很高，應做修正。(p483);檢定第 i自變數(Xi)對依變數 (Y) 影響之顯著性： H0 : βi = 0 Ha : βi ≠0 由 t-test 得到 p-值，若 p-值 α，結論為經由其它變數的調整後，Xi 對 Y 影響顯著。 ;【例 18.3b】 研究某林區樹木之年齡(X1)，株高(X2)，以及單位面積上株數(X3) 對樹木直徑(Y)的影響。 Data : p481;變數間相關性;考慮三個自變數的迴歸分析;Parameter Estimates;最終迴歸式： 直徑 = 3.59 + .0535 (株高) ，R2 = 0.589 (.0124) 每增高一單位，直徑平均增加0.0535單位。括號內為標準誤。 ;以考慮的模式做預測之前 ， 應先檢查模式對資料的適當性，在迴歸 上稱為診斷 (Diagnostics) ；診斷方法分為殘差圖分析及殘差檢定。 ;例18.3b 之殘差圖 (Forest Study – p481);迴歸的模式配適性的檢定 ----- Lack-of-Fit F Test ;ANOVA 表;age;【Exp 18.6.b】研究年齡與血壓之關係 (p428);由 Lack-of-fit test 得到 F = 1.04，p-value = .4146 0.05， 結論為在α=.05 下，直線模式適合。 由迴歸得： 血壓 = 85.5 + 0.98 (年齡)，R2 = 0.94， (.0536) 年齡增加一歲，估計血壓增加 0.98。;Model： Yi = E{Yi} + εi ;可由最大概似估計法估計β0 及β1，迴歸式之圖可能如下。; ;SAS_邏輯迴歸： Analysis → Regression → Logistic Columns：指定 Dependent variables (可選擇目標項) Quantitative variables Classification variables Frequency variabl Statistics ： ˇ logit; ;(3) 勝算比(odds ratio，OR ) 或相對危險率之估計： OR = exp(0.0881) = 1.092 . 年齡增加一歲患CHD之勝算(風險)是原來的1.09 倍;