心理统计多元线性回归分析.pptVIP

二、逐步选择法 1. 1.前进法，回归方程中的自变量从无到有、从少到多逐个引入回归方程。此法已基本淘汰。 2.?后退法，先将全部自变量选入方程，然后逐步剔除无统计学意义的自变量。 剔除自变量的方法是在方程中选一个偏回归平方和最小的变量，作F检验决定它是否剔除，若无统计学意义则将其剔除，然后对剩余的自变量建立新的回归方程。重复这一过程，直至方程中所有的自变量都不能剔除为止。理论上最好，建议使用采用此法。 3.逐步回归法，逐步回归法是在前述两种方法的基础上，进行双向筛选的一种方法。该方法本质上是前进法。 表15-7 逐步回归过程 方差分析表 “最优”回归方程为 结果表明：血糖的变化与甘油三脂、胰岛素和糖化血红蛋白有线性回归关系，其中与胰岛素负相关。由标准化回归系数看出，糖化血红蛋白对空腹血糖的影响最大。 回归系数的估计及检验结果 四、应用多元线性回归的注意事项 1.样本量n=(5~10) ×自变量的个数 2.避免多重共线性，多重共线性严重，Ⅰ型错误增大。 第十三章 多重线性回归 (Multiple Linear Regression) 多重线性回归模型的建立 多重线性回归模型的检验 多重回归方程中自变量的选择 应用多重线性回归的注意事项 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：用多个自变量解释和预报应变量。 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。 一、??多元线性回归模型的建立 变量：应变量 1 个，自变量m 个 样本含量：n 数据格式: 多元回归分析数据格式 青年人数比Y 教育指数X1 月平均收入X2 50 38 50 52 39 50 56 39 54 59 41 56 62 44 56 64 42 60 68 43 64 69 46 63 70 48 62 71 47 60 例13-2 回归模型一般形式： 条件 一般步骤 建立回归方程 (2)检验并评价回归方程 及各自变量的作用大小 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下表，试建立血糖与其它几项指标关系的多元线性回归方程。 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 二、多重线性回归方程的假设检验 1. 方差分析法： （一）对回归方程 表15-4 例15-1的方差分析表 表15-3 多元线性回归方差分析表 2. 决定系数R 2： 3.复相关系数 （二）对各自变量 检验和评价方程中的每一个自变量对Y的影响。 1. 偏回归平方和 案例1数据作回归分析的部分中间结果 各自变量的偏回归平方和可以通过拟合包含不同自变量的回归方程计算得到，如下表： 结 果 2. t 检验法 是一种与偏回归平方和检验完全等价的一种方法。计算公式为 结 果 结 论 3．标准化回归系数  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。 注意： 一般回归系数有单位，用来解释各自变量对应变量的影响，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 。不能用各 来比较各 对 的影响大小。 标准化回归系数无单位，用来比较各自变量对应变量的影响大小， 越大， 对 的影响越大。 结 论 三、???自变量选择方法  目的：使方程最优，每一个自变量都有显著性 一、全局择优法 目的：预报效果好 意义：对自变量各种不同的组合所建立 的回归方程进行比较 择优。 选择方法： 例15-2 用全局择优法对例15-1数据的自变量进行选择。