广义线性模型（GLM）.PDFVIP

广义线性模型（GLM） 回归方程的一般表达式 为：f(Y)= β+ βX + βX + βX + …… + e，式中X （X 、X 、X 0 1 1 2 2 3 3 1 2 3 等）是自变量，e 是残差，Y 是因变量，f(Y)表示Y 的关联函数。 回归方程中因变量Y 的类型 广义线性模型不仅适用于一般线性回归，还可以根据因变量（Y）的分布，通过联系函数 f，对Y 进行某种函数转换。如果Y 是连续变量，如肺功能值、收缩压值等，Y 服从正态分布， 则f(Y) = Y，这就是一般的直线回归方程，方程表达式为： Y= β+ βX + βX + βX + …… + e 0 1 1 2 2 3 3 如果Y 是两分类变量，如是否患高血压、是否患慢性阻塞性肺病等，Y 呈二项分布，则 f(Y)=Logit （Y），这就是一般的Logistic 回归方程，方程表达式为： logit （Y）= β+ βX + βX + βX + …… + e 0 1 1 2 2 3 3 根据Y 的分布，f(Y)不同，常见的有： Y 的分布 联系函数名称 f(Y) 正态分布（normal） Identity Y 二项分布（binomial） Logit Logit （Y） Poisson 分布 Log Log （Y） -1 γ分布（gamma） inverse 1/ （Y ） 负二项分布（negative binomial） Log Log （Y） Y 的分布不同，只影响方程左边的关联函数f(Y)，不影响方程右边的线性表达式，因此统称 为广义线性模型（Generalized Linear Model）。 该模块调用GLM，对一个或多个应变量进行回归分析。该模块自动检测应变量的类型，如果 是连续性变量，则系统将自动默认采用正态分布和identity 作为联系函数。如果两分类型，自 动选择logit 联系函数。用户可以右击联系函数，重新定义联系函数。自变量类型不限，可以引 进交互作用项。同时可以进行自变量筛选，筛选方法可以有前进法、后退法、前进加后退法。如 果Y 的联系函数为identity,还可以对自变量的各种组合模型进行比较，给出每个自变量的相当 贡献大小。 本模块还可以用抽样调查(Survey)数据分析，详见易侕抽样调查数据分析 (/cn/manuals/articles/surveyAnalysis.pdf ) 例：DEMO 数据分析SBP 和年龄、性别、身高、体重、吸烟、职业和教育程度的关系，筛选 可能的自变量组合，输入界面如下： 输出结果： 结局变量: Systolic BP, mmhg 变量分布与联系函数: gaussian 模型: SBP ~ AGE+SEX+HEIGHT+WEIGHT+SMOKE+OCCU.NEW+factor(EDU.NEW) R- Adj- #Variable (Intercept WEIGH OCCU.NE factor(EDU.NEW) factor(EDU.NEW) AGE SEX HEIGHT