第15-17章 多因素分析(统计学).pptVIP

1 多因素分析 温州医学院环境与公共卫生学院 叶晓蕾 2 概念 多因素分析是同时对观察对象的两个或两个以上的变量进行分析。 常用的统计分析方法有： 多元线性回归、Logistic回归、COX比例风险回归模型、因子分析、主成分分析，等。 3 多变量资料数据格式 例号 X1 X2 … Xp Y 1 X11 X12 … X1p Y1 2 X21 X22 … X2p Y2 ┆ ┆ ┆ … ┆ ┆ n Xn1 Xn2 … Xnp Yn Y为定量变量——Linear Regression Y为二项分类变量——Binary Logistic Regression Y为多项分类变量——Multinomial Logistic Regression Y为有序分类变量——Ordinal Logistic Regression Y为生存时间与生存结局——Cox Regression 4 Y，X——直线回归 Y，X1，X2，…Xm——多元回归（多重回归） 第十五章 多元线性回归 (multiple linear regressoin) P.261 例：欲研究血压受年龄、性别、体重、性格、职业（体力劳动或脑力劳动）、饮食、吸烟、血脂水平等因素的影响。 5 β0为回归方程的常数项（constant)，表示各自变量均为0时y的平均值； m为自变量的个数； β1、β2、βm为偏回归系数（Partial regression coefficient） 意义：如β1 表示在X2、X3 …… Xm固定条件下，X1 每增减一个单位对Y 的效应（Y 增减β个单位）。 e为去除m个自变量对Y影响后的随机误差，称残差（residual)。 多元回归方程的一般形式 一、多元回归模型 6 为y的估计值或预测值（predicted value)； b0为回归方程的常数项（constant)，表示各自变量均为0时y的估计值； 由样本估计而得的多元回归方程： b1、b2、bm为偏回归系数（Partial regression coefficient） 意义：如 b1 表示在X2、X3 …… Xm固定条件下，X1 每增减一个单位对Y 的效应（Y 增减 b 个单位）。 7 适用条件： 线性（linear）、独立性（independent）、正态性（normal）、等方差（equal variance）——“LINE”。 线性——自变量与应变量的关系是线性的。用散点图判断。 独立性——任意两个观察值互相独立。常利用专业知识判断。 正态性——就自变量的任何一个线性组合，应变量y均服从正态分布。即要求残差服从正态分布。常用残差图分析。 等方差——就自变量的任何一个线性组合，应变量y的方差均相同。即要求残差的方差齐性。用散点图或残差图判断。 8 9 （1）因素筛选：（因素分析） 例如影响高血压的诸多因素中： 1）哪些是主要因素？ 2）各因素的作用大小？ （2）提高回归方程的估计精度 多元回归比只有一个自变量的简单直线回归更能缩小应变量Y对其估计值的离差，在预测和统计控制方面应用的效果更好。 （3）控制混杂因素 多元线性回归除具有直线回归的基本性质外，还具有以下特点（用途）： 10 （1）用各变量的数据建立回归方程 （2）对总的方程进行假设检验 （3）当总的方程有显著性意义时，应对每个自变量的偏回归系数再进行假设检验，若某个自变量的偏回归系数无显著性，则应把该变量剔除，重新建立不包含该变量的多元回归方程。 二、多元回归分析步骤 对新建立的多元回归方程及偏回归系数按上述程序进行检验，直到余下的偏回归系数都具有统计意义为止。最后得到最优方程。 11 例15-1（P.262） 27名糖尿病人的血清总胆固醇、甘油三脂、空腹胰岛素、糖化血红蛋白、空腹血糖的测量值列于表15-2中，试建立血糖与其它几项指标关系的多元线性回归方程。 表15-2 27名糖尿病人的血糖及有关变量的测量结果 序号i 总胆固醇 甘油三脂 胰岛素 糖化血 血 糖 （mmol/L） (mmol/L) (μU/ml) 红蛋白(%) (mmol/L) X1 X2 X3 X4 Y 1 5.68 1.90 4.53 8.2 11.2 2 3.79 1.64 7.32 6.9 8.8 3 6.02 3.56 6.95 10.8 12.3 … … … … … … 26 5.84 0.92 8.61 6.4 13.3 27 3.84 1.20 6.45 9.6 10.4 12 由上表得到如下多元线性回归方程： 1、建立回归方程 13 2、回归方程的假设检验——F检验 结果