医学统计学 15-多元线性回归.pptVIP

第四节 多元线性回归的应用 影响因素分析：从众多影响因素中，把真正有统计学意义的因素找出来。 估计与预测：应选择具有较高R2的方程 第五节 多元线性回归的注意事项 对资料的要求；Y？X？残差？ 自变量为分类变量的情形？哑变量？ 样本含量：n是方程中自变量个数的5～10倍 决定系数：R2 评价方程拟合的优劣 关于逐步回归：结合问题本身、专业知识以及经验来确定。 标准化回归系数的使用：评价各Xi对Y的贡献大小。 引入或剔除变量的标准：0.05，0.10，0.15？ 多重共线性：自变量之间高度相关，使回归系数标准误很大，回归方程不稳定。 第六节 SPSS过程和结果说明 多元线性回归分析 表15-2 27名糖尿病人的血糖及有关变量的测定结果 序号 总胆固醇 甘油三酯 胰岛素 糖化血红 血糖 (mmol/L) (mmol/L) (?U/ml) 蛋白(%) (mmol/L) i X1 X2 X3 X4 Y 1 5.68 1.90 4.53 8.2 11.2 2 3.79 1.64 7.32 6.9 8.8 3 6.02 3.56 6.95 10.8 12.3 … … … … … 25 11.54 10.89 1.20 10.5 20.0 26 5.84 0.92 8.61 6.4 13.3 27 3.84 1.20 6.45 9.6 10.4 建立数据文件 选择Analyze? Regression ? Linear… 打开Linear Regression对话框。 将变量Y选入Dependent栏；将变量X1，X2，X3，X4放入Independent栏；在Method栏选择Stepwise法；分别单击Statistics、Plots、Options按钮 第十五章 多元线性回归multiple linear regression 问题的提出 直线回归分析是分析一个应变量Y和一个自变量X之间的数量关系。但通常一个应变量受到许多因素的影响。如： 糖尿病患者的血糖可能受胰岛素、糖化血红蛋白、血清胆固醇、甘油三酯等指标影响。 儿童血液中血红蛋白（Y）与微量元素：钙（X1），铁（X2）含量的关系。 第一节 多元线性回归 多元线性回归模型 多元线性回归方程的建立 多元线性回归方程的假设检验及其评价 一、多元线性回归模型 Y为应变量，X1，X2,…，Xm为k个自变量。 b0 ：常数项 b1， b2，…， bk为偏回归系数（partial regression coefficient）的估计值，它表示在其它自变量保持不变的情况下，Xj增加或减少一个单位时，Y的平均改变量。 ：应变量的估计值 二、多元线性回归方程的建立 设有n例观察对象, 对第 i 例可求出应变量yi的估计值 ，则 ，全部 n 例资料的残差平方和为： 全部n例资料残差平方和最小的那一组值就是要求的参数估计值。 表15-2 27名糖尿病人的血糖及有关变量的测定结果 序号 i 总胆固醇 甘油三酯 胰岛素 糖化血红 血糖 (mmol/L) X1 (mmol/L) X2 (?U/ml) X3 蛋白(%) X4 (mmol/L) Y 1 5.68 1.90 4.53 8.2 11.2 2 3.79 1.64 7.32 6.9 8.8 3 6.02 3.56 6.95 10.8 12.3 … … … … … 25 11.54 10.89 1.20 10.5 20.0 26 5.84 0.92 8.61 6.4 13.3 27 3.84 1.20 6.45 9.6 10.4 = 5.94 ＋ 0.142x1+0.351x2－0.271x3＋0.638x4 三、多元线性回归方程的假设检验及其评价 回归方程的假设检验及评价：从总体上分析所有自变量对因变量Y是否有线性回归关系。 各自变量的假设检验与评价 = 5.94 ＋ 0.142x1+0.351x2－0.271x3＋0.638x4 （一）回归方程的假设检验及评价 方差分析法 决定系数R2 复相关系数 1. 方差分析法 H0:?1= ?2 = …?p =0 H1:各?j 不全为0 ?＝0.05 F0.01(4,22)=4.31。本例F=8.28，P0.01。认为所拟合的回归方程具有统计学意义。 决定系数R2 coefficient of determination 说明自变量X1,X2,…,Xm能够解释Y变化的百分比，其值愈接近于1说明模型对数据的拟合程度愈好。 本例R2为0.60，表明血糖含量变异的60％可由总胆固醇、甘油三酯、胰岛素和糖化血红蛋白的变化来解释。 决定系数R2与校正决定系数R2adj 若引入模型的自变量与应变量