卫生统计学课件：第13章 多重线性回归与相关.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 小 结 （续） 自变量筛选的策略与标准 多重共线性 自变量间的交互作用 资料的合并分析问题 通径分析 THE END Thanks！ * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 3.后向选择(backward selection) 首先建立包含所有p个自变量的全模型，然后逐个计算出剔除某一变量后仅包含p-1个自变量的p个模型，同时计算剔除变量后所致损失的F值，然后将p个F值中的最小者与预先指定的临界值Fout相比较，若最小F值低于Fout，则将最小F值所对应的自变量从模型中剔除，否则，停止运行；然后在含剩下p-1个自变量的模型基础上，重复以上剔除过程……这样，每次剔除一个最可忽略的变量，直到剩下的变量再不能使最小F值低于Fout值为止。 4.逐步选择（stepwise selection） 逐步选择法又称逐步回归，其本质是前向选择法，针对向前选择法在后续变量进入模型后可能使已在方程中的变量变得不重要的现象，同时吸收了向后剔除的做法。即在逐步选择过程中，把经前向选择F 检验有意义的变量引入方程后，又对已在方程中的自变量进行一次关于剔除的后向选择F 检验，剔除无统计学意义