医学统计学线性相关与回归.ppt

多元线性回归分析 (Multiple Linear Regression) 目的：作出以多个自变量估计应变量的多元线性回归方程。 资料：应变量为定量指标；自变量全部或大部分为定量指标，若有少量定性或等级指标需作转换。 用途：解释和预报。 意义：由于事物间的联系常常是多方面的，一个应变量的变化可能受到其它多个自变量的影响，如糖尿病人的血糖变化可能受胰岛素、糖化血红蛋白、血清总胆固醇、甘油三脂等多种生化指标的影响。 变量：应变量 1 个，自变量m 个，共 m+1 个。 样本含量：n 回归模型一般形式： 多元线性回归模型 上式表示数据中应变量Y可以近似地表示为自变量 的线性函数。 β0为常数项， β1-βm为偏回归系数，表示在其它自变量保持不变时，增加或减少一个单位时Y的平均变化量，e是去除m个自变量对Y影响后的随机误差（残差） 表 多元回归分析数据格式 条件 一般步骤 建立回归方程 检验并评价回归方程 及各自变量的作用大小 多元线性回归方程的建立 例 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 27名糖尿病人的血糖及有关变量的测量结果 求偏导数 原 理 最小二乘法 假设检验及其评价 1. 方差分析法： （1）对回归方程 方差分析表 多元线性回归方差分析表 决定系数R 2： 复相关系数 偏回归系数检验 F检验 T检验 两种方法结果相同  变量标准化是将原始数据减去相应变量的均数，然后再除以该变量的标准差。 计算得到的回归方程称作标准化回归方程，相应的回归系数即为标准化回归系数。 标准化回归系数没有单位，可以用来比较各个自变量对的影响强度，通常在有统计学意义的前提下，标准化回归系数的绝对值愈大说明相应自变量对Y的作用愈大 标准化回归系数 结 论 对所得r值，检验20岁男青年身高与前臂长是否有直线相关关系。 （1）建立检验假设 Ho：ρ＝0 ,两变量间无直线相关关系 H1：ρ≠0 ,两变量间有直线相关关系 α＝0.05 （2）计算t值 本例n=10， r=0.8227 ，按公式计算t值 （3）确定P 值，作出推断结论 按υ=n-2=8查t界值表，得 0.01P0.005，按α＝0.05水准，拒绝Ho，接受H1，故可认为20岁男青年身高与前臂长呈正直线相关关系。 直线回归 直线回归的概念 回归：反映两变量数量依存的关系，即指由一个变量推算另一个变量的数量关系。直线回归是回归分析中最基本最简单的一种，故又称简单回归（simple regression）。 直线回归方程 Y 应变量，响应变量 (dependent variable, response variable) X 自变量，解释变量 (independent variable, explanatory variable) b 回归系数 (regression coefficient, slope) a 截距 (intercept，constant) “Y hat” 是给定X时的Y估计值 截距a 几何意义 a 0: 回归线与纵轴交点在原点上方。 a 0: 回归线与纵轴交点在原点下方。 a =0: 回归线通过原点。 统计学意义 a 表示自变量X取值为0时相应Y条件均数的估计值。 a的单位与Y值相同 当X可能取0时，a才有实际意义。 回归系数b的几何意义 X Y 回归系数b的统计学意义 b表示自变量X变化一个单位时应变量Y的平均改变量。 1～7岁儿童以年龄（岁）估计体重（kg）的回归方程： 糖尿病患者以胰岛素水平（mU/L）估计血糖水平（mmol/L）的回归方程： 线线回归的应用条件 （LINE） (1) 线性(linear)：因变量Y的总体均数与自变量X呈线性关系； (2) 独立 (independent) 任意两个观察单位之间相互独立； (3) 正态性(normal) 对任意给定的X值，Y 均服从正态分布； (4) 等方差(equal variance)：在自变量X的取值范围 内，不论X 取什么值， Y 都有相同的方差。 直线回归应用条件LINE示意图 给定X时，Y是正态分布、不等方差示意图 求直线回归方程，关键在于计算a、b两个系数，根据数学上的最小二乘法原理即保证各实测点至回归直线的纵向距离的平方和最小。 直线回归方程的求法 X Y A B C D E 使回归误差平方和最小的策略称为最小二乘原则