医学统计学课件（研究生）12多重线性回归分析(研).pptVIP

（一）全局择优法 根据一些准则建立 “最优”回归模型 校正决定系数（考虑了自变量的个数） Cp准则（C即criterion，p为所选模型中变量的个数；Cp接近（p+1）模型为最优） AIC (Akaike’s Information Criterion)准则； AIC越小越好 （二）逐步选择法 1. 前进法（forward selection） 2. 后退法（backward elimination） 3. 逐步回归法（stepwise regression） 它们的共同特点是每一步只引入或剔除一个自变量。决定其取舍则基于对偏回归平方和的F 检验 向后剔除法：先建立一个包含全部自变量的回归方程，然后每次剔除一个无统计学意义的自变量，直到不能剔除时为止。此法计算量大，有时不能实现 向前引入法：由一个自变量开始，每次引入一个有统计学意义的自变量，由少到多，直到无自变量可以引入为止。此法建立的方程有时不够精炼 逐步筛选法：取上述两种方法的优点，引入和剔除交替进行，直到无变量可以引入，同时也无自变量可以剔除为止。目前比较常用 SPSS操作 Analyze→Regression→Linear Dependent :Y Independent(s):X1、X2、X3 Method:Stepwise OK * * * 第十五章 引言 多重线性回归（多元线性回归） logistic 回归 Cox 回归 判别分析、聚类分析 主成分分析、因子分析 多因素分析是研究多种因素互相联系、互相制约的规律性的一个重要而活跃的统计学分支。70年代后在医学领域应用广泛，常用的方法有： 多重线性回归分析 用途 探讨多个自变量与应变量之间的依存关系以及各个自变量对应变量的相对贡献大小，从而探讨应变量的主要影响因素 人的体重与身高、胸围 血压值与年龄、性别、劳动强度、饮食习惯、 吸烟状况、家族史 糖尿病人的血糖与胰岛素、糖化血红蛋白、血清总胆固醇、甘油三脂 应用条件 应变量为定量变量，自变量可以是定量变量，也可以是分类变量，但分类变量的个数不宜超过自变量个数的1/3 各自变量彼此独立 各个自变量取不同值的组合时应变量服从正态分布且方差齐 式中，b0 为截距，bj ( j=1,2,…,m )为偏回归系数 偏回归系数 bj ：表示在其他自变量固定不变的情况下，自变量Xj每改变一个单位时，单独引起应变量 y 的平均改变量 模型的构造 参数估计 求参数估计值的常用方法是最小二乘法，即使残差平方和达到最小的方法 假设检验 对整个回归方程进行假设检验 对偏回归系数进行假设检验 t(bj)=bj/s(bj) 【例15-1】 为探讨女大学生的体重、胸围与胸围呼吸差对肺活量的影响，某研究者调查了20名女大学生的相关资料，见表15-1，并分别用体重、胸围与胸围呼吸差对肺活量进行线性回归分析 多重线性回归分析的步骤 （一）估计各项参数，建立多重线性回归方程模型 （二）对整个模型进行假设检验，模型有意义的前提下，再分别对各偏回归系数进行假设检验。 （三）计算相应指标，对模型的拟合效果进行评价。 多重线性回归方程的建立 Analyze→Regression→Linear Dependent :Y Independent(s):X1、X2、X3 Method:Enter OK R （复相关系数） 0.884 R Square （决定系数） 0.781 Adj R-Sq （校正决定系数） 0.740 Std.Error of the Estimate （剩余标准差） 216.0570680 回归方程的假设检验与评价 （一）回归方程的假设检验 （二）偏回归系数的假设检验 （三）有关评价指标 （一）回归方程的方差分析 H0：所有回归系数为0  H1：至少有一个回归系数不为0 （二）偏回归系数的假设检验及其评价 各偏回归系数的t检验 标准化回归系数（可说明各自变量相对贡献大小） （三）有关评价指标 R （复相关系数） 0.884 R Square （决定系数） 0.781 Adj R-Sq （校正决定系数） 0.740 Std.Error of the Estimate （剩余标准差）