医学大数据分析 课件 第5、6章回归分析、 数据降维.pptx

医学大数据分析回归分析高等教育出版社1回归概述目录2线性回归3非线性回归CONTENTS4logistic回归1回归概述回归概述2线性回归线性回归的概念线性回归是回归分析中最基础的类型，可研究变量之间的线性关系。线性回归分析的主要目的在于确定最能反映因变量与自变量线性关系的直线方程。我们称该直线方程为线性回归方程。确定线性回归方程后，可通过假设检验验证变量间线性关系的显著性，继而得出统计学意义下因变量与自变量的关系，并且使用自变量的变化来预测因变量的变化。根据自变量的个数，线性回归可分为一元线性回归与多元线性回归。线性回归：一元线性回归(1).一元线性回归方程线性回归：一元线性回归(2).一元线性回归参数的确定线性回归：一元线性回归(2).一元线性回归参数的确定线性回归：一元线性回归(2).一元线性回归参数的确定线性回归：一元线性回归(2).一元线性回归参数的确定线性回归：一元线性回归(3).一元线性回归的假设检验由样本观察值计算得到参数b0、b1以后，建立了线性回归模型，但是通过该模型得到的预测值和实际值的拟合程度如何？Y与X之间的线性回归关系是否真实？自变量对因变量的影响是否显著？要回答这些问题，需要进行拟合度、回归方程和回归系数的检验。线性回归：一元线性回归(3).一元线性回归的假设检验:拟合度的检验——决定系统R2对应于不同的xi值，观测值yi的取值是不同的。建立一元线性回归模型的目的，就是试图以x的线性函数（b0+b1x）来解释y的变异。那么，回归模型?=b0+b1x究竟能以多大的精度来解释y的变异呢？又有多大部分是无法用这个回归方程来解释的呢？线性回归：一元线性回归(3).一元线性回归的假设检验:拟合度的检验——决定系统R2线性回归：一元线性回归(3).一元线性回归的假设检验:拟合度的检验——决定系统R2线性回归：一元线性回归(3).一元线性回归的假设检验:回归模型的线性关系检验——方差分析对于一个实际观测的样本，虽然可以用决定系数R2说明y与?的相关程度，但由于样本存在抽样误差，即使总体回归系数β1=0，其样本回归系数b1也不一定为0。所以，用样本求得的回归系数b1不等于0，还不能直接得出X与Y之间存在线性回归关系的结论，必须对β1是否为0进行假设检验。X与Y之间是否存在线性回归关系，通常采用另一种方法进行检验，即方差分析法。方差分析由R.A.Fisher首创，也称为F检验。方差分析的基本原理是将因变量Y的总方差分解为能被回归方程解释的部分和不能被回归方程解释的部分，通过对两部分方差大小进行比较来检验整体回归方程是否具有统计学意义。线性回归：一元线性回归(3).一元线性回归的假设检验:回归模型的线性关系检验——方差分析线性回归：一元线性回归(3).一元线性回归的假设检验:回归模型的线性关系检验——方差分析线性回归：一元线性回归(3).一元线性回归的假设检验:回归系数的t检验线性回归：一元线性回归(3).一元线性回归的假设检验:回归系数的t检验线性回归：一元线性回归(4).举例某地方病研究机构关于大骨节病患儿开展了一项调查研究，结果如表5-1所示，其中肌酐含量为24小时测得的尿肌酐（单位为mmol）。试建立患儿年龄与尿肌酐含量之间的线性回归模型。线性回归：一元线性回归(4).举例患儿年龄作为预测变量X，与尿肌酐含量Y建立一元线性回归方程，结果见表5-2。线性回归：一元线性回归(4).举例线性回归：一元线性回归(4).举例线性回归：多元线性回归(1).多元线性回归方程线性回归：多元线性回归(2).多元线性回归的参数估计线性回归：多元线性回归(2).多元线性回归的参数估计线性回归：多元线性回归(2).多元线性回归的参数估计线性回归：多元线性回归(3).多元线性回归的假设检验多元线性回归与一元线性回归一样，需要对建立的多元回归方程进行假设检验，检验因变量y自变量x1,x2,…,xm之间是否存在线性关系？每个自变量对因变量是否具有显著性影响？即需要对回归模型和回归系数进行检验。线性回归：多元线性回归(3).多元线性回归的假设检验：回归模型检验——F检验线性回归：多元线性回归(3).多元线性回归的假设检验：偏回归系数检验线性回归：多元线性回归(3).多元线性回归的假设检验：偏回归系数检验线性回归：多元线性回归(3).多元线性回归的假设检验：偏回归系数检验线性回归：多元线性回归(3).举例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表5-3中，试建立血糖与其它几项指标的多元线性回归方程。线性回归：多元线性回归(3).举例线性回归：多元线性回归(3).举例以糖尿病人的血清总胆固醇、甘油三脂、空腹胰岛素、糖化血红蛋白为自变量X1,X2,X3,X4，与空腹血糖Y，建立多