现代统计学总结-2015年.pptVIP

logistic回归的作用 (1)建立logistic回归模型： logit(p)=β0+β1X1+β2X2+…+βpXp ； (2) 预测预报 若已知x1, x2 … xm数值大小时, 通过模型可以预测发病、死亡等的概率； (3) 因素分析 寻找对发病、死亡等有关联的影响因素。 Logistic回归方程的应用 -----------预测与估计 求出logistic回归方程后，可求出每个观测点发病概率。 案例：关于人的寿命研究 皇帝 ---希望万岁万岁，万万岁，秦始皇（公元前259—210年）希望长生不老，道士徐福为其找丹药，东至扶桑一去不返。 客观规律人不可能长生不老。 现在医学科学可以让人寿命延长。如痨病（结核）患者通过治疗可以康复，活到70岁、80岁以上。 典型案例讲解： 大气污染问题研究实例 研究试验设计 试验因素： 汽车流量，气温，空气湿度，风速 试验对象： 24个城市 试验效应： 大气污染物一氧化氮NO浓度 试验控制条件： 选择24个工业水平相近城市的一个交通点 在低空相同的高度测定了该时间段大气污染物一氧化氮NO浓度 研究试验实施 选择24个工业水平相近城市的一个交通点，统计单位时间过往的汽车数（千辆），同时在低空相同的高度测定了该时间段的气温（°C）， 空气湿度（%），风速（m/s）和大气污染物一氧化氮NO浓度(10-8) 。如下表。 试分析汽车流量，气温，空气湿度，风速与大气污染物一氧化氮NO浓度关系。 24个城市大气污染的研究数据 城市 汽车流量 气温 空气湿度 风速 NO浓度 1 1.30 20.00 80.00 0.45 66.00 2 1.44 23.00 57.00 0.50 76.00 3 0.79 26.50 64.00 1.50 1.00 … … … … … … 24 1.44 28.00 68.00 2.00 99.00 多元回归的作用 (1) 建立回归模型： Y^=β0+β1X1+β2X2+…+βpXp ； (2) 预测预报 若已知x1, x2 … xp数值大小时, 通过模型可以预测y的值以及估计y的变化范围； (3) 因素分析 找出对因变量y有显著影响的因素。 实例2* 为研究初生儿体重与胎儿的孕龄、头径、胸径、腹径、股骨长的关系，以预测初生儿体重，某医院用超声波测得18名胎儿的有关指标值、测量时的孕龄和出生时体重如表。试进行分析。  设研究问题中含有p个指标变量x1, x2,…,xp及Y. n个观察对象. 其数据结构为: 编号 X1 X2 …. XP y 1 x11 x12 … x1p y1 2 x21 x22 … x2p y2 3 x31 x32 … x3p y3 … … … … … … n xn1 xn2 … xnp yp 数据结构 软件的实现 点击 多元分析→线性回归 CHISS，SPSS，SAS 2、Logistic回归分析 Logistic 回归是一种概率模型, 它是以疾病、死亡等事件结果发生的概率为因变量, 影响疾病发生的因素为自变量建立模型的一种多元统计分析方法。 一）研究案例 问题：如何研究吸烟对人体的危害? 讨论 吸烟的作用 吸烟时产生烟雾，烟雾中的尼古丁迅速经肺吸收入血，进入脑部，作用于脑部的尼古丁胆碱受体，产生喜悦、满足的感觉。 长期吸用会使脑部尼古丁受体数增加，形成心理依赖。 当停止吸烟时，可能发生焦虑、注意不易集中、激动不安、睡眠障碍、甚至抑郁。 研究实例1 1938年， 著名医学家Pearl 调查了数百个家庭, 形成了吸烟多、吸烟少和不吸烟三个组, 根据各人的寿命, 编制了三份寿命表, 相应地绘制了三条生存曲线, 反映各组随年龄增长减员的过程。发现如下: 吸烟多组几乎以直线下降的趋势减员, 不吸烟组以先凸后凹的曲线趋势缓慢减员, 吸烟少组减员趋势则介于以上两组之间。 研究实例2 1939年，美国遗传学家(获诺贝尔医学奖) Muller 搜集一组肺癌患者,同时调查一组其他特点与