多元线性回归和相关讲义.ppt

多元线性回归和相关 第一节 多重线性回归的概念及其统计描述 一重线性回归是描述一个应变量与一个自变量间线性依存的一种分析方法。但医学研究中，一种事物现象的数量关系往往与多种事物现象的数量变化有关，如肺活量与年龄、体重、胸围等有关。这些事物现象间的关系在应变量的取值上可以是确定型的与概率型的；在几何上可以是线性的，也可以是非线性的。多重线性回归是确定型的线性回归，是研究一个应变量与多个自变量间线性依存关系数量变化规律的一种方法。 一、数据与模型 观察单位 应变量 自变量 y X1 X2 … Xk 1 y1 X11 X12 … X1k 2 y2 X21 X22 … X2k … … … … … … n yn Xn1 Xn2 … Xnk 假定y与x1,x2,，…，xk间存在线性关系，则y满足多重线性回归模型： 按最小二乘法（least squares method）估计原理，计算式中的各项偏回归系数的估计值bi 二、回归参数的估计 2.建立正规方程组（normal equations） 1.计算基本统计量 例11.1 例13-1 为了研究空气中一氧化氮（NO）的浓度与汽车流量、气温、空气湿度和风速的关系，测定数据如下： 车流 x1 气温 x2 气湿 x3 风速 x4 一氧化氮 y 1300 20.0 80 0.45 0.066 1444 23.0 57 0.50 0.076 786 26.5 64 1.50 0.001 1652 23.0 84 0.40 0.170 … … … … … 1436 28.0 68 2.00 0.099 空气中 NO 浓度与相关因素的检测数据 例13-1的SAS程序 DATA a1;/*建立SAS数据集*/ INPUT x1-x4 y; DATALINES; 1300 20.0 80 0.45 0.066 1444 23.0 57 0.50 0.076 786 26.5 64 1.50 0.001 1652 23.0 84 0.40 0.170 1756 29.5 72 0.90 0.156 1754 30.0 76 0.80 0.120 1200 22.5 69 1.80 0.040 1500 21.8 77 0.60 0.120 1200 27.0 58 1.70 0.100 1476 27.0 65 0.65 0.129 1820 22.0 83 0.40 0.135 1436 28.0 68 2.00 0.099 948 22.5 69 2.00 0.005 1440 21.5 79 2.40 0.011 1084 28.5 59 3.00 0.003 1844 26.0 73 1.00 0.140 1116 35.0 92 2.80 0.039 1656 20.0 83 1.45 0.059 1536 23.0 57 1.50 0.087 960 24.8 67 1.50 0.039 1784 23.3 83 0.90 0.222 1496 27.0 65 0.65 0.145 1060 26.0 58 1.83 0.029 1436 28.0 68 2.00 0.099 ; PROC REG CORR; /*线性回归模型*/ MODEL y=x1-x4 /PARTIAL STB; MODEL y=x1-x4 /SELECTION=STEPWISE ; RUN; 例13-1的回归SAS结果 Parameter Estimates Parameter Standard t for H0: