多元统计分析-常用统计量及均向量的统计推断.pptxVIP

多元统计分析蒋敏

卫生统计学教研室

多元分析常用统计量与均向量的统计推断

为什么要学多元分析？事物间的关系是错综复杂的，多元的；研究本身是多因素的；应用多元分析获取更丰富的信息；提高论文的档次。

多元统计分析有哪些应用P4P3P2P1比较关系预测分类P5评价

比较比较01比较不同地区儿童生长发育情况02不同种族正常人头发中微量元素的含量03不同组别的IgG,IgM,IgA,IgE04不同组别的CD2,CD3,CD4,CD8,CD4/CD805

探索病因校正混杂因素调整基线探讨巯基丁氨酸(homocysteine)与血压、冠心病的关系，需调整年龄、性别、种族、已知的与冠心病有关的其他因素。探索与预后有关的因素影响黑色素瘤患者的生存时间的因素：年龄、性别、病灶部位、浸润深度

预测0102030405疾病预后的预测是否会患某病的预测哪些人更容易患糖尿病?年龄、家族史、工作性质、BMI、腰臀比等；乳腺癌患者手术后的生存时间？年龄、家族史、并发症、复发、化疗等；法医鉴定中死亡时间的推算：根据尸体的直肠温度、环境温度、停尸物的质地等。

分类病毒鉴别临床诊断对体形进行分类，制作服装对口腔牙列进行分类，预制牙列计算机辅助诊断系统胸痛患者如何快速诊断(是否急性心肌缺血?)010203040506

评价医院效益评价02健康状况评价04综合评价01卫生投入产出评价03

各种应用对应的多元统计分析方法比较：多元方差分析关系：回归模型预测：回归模型分类：聚类分析与判别分析、回归模型评价：主成分分析与因子分析回归：多元线性回归、logisitic回归、Cox回归、Poisson回归

均向量的统计量推断HotellingT2multivariateanalysisofvariance(MANOVA)多元线性回归(multivariatelinearregression)主成分分析(principalcomponentanalysis)因子分析(factoranalysis)聚类分析(clusteranalysis)判别分析(discriminantanalysis)

本课程的要求上机做练习，分析实际资料学会看文献，判断统计分析的应用是否正确统计软件SAS，或Stata考试：平时作业与考勤期末考试：闭卷

第一讲内容：01多元分析常用统计量02多元T检验03多元方差分析

多元分析常用统计量均向量1方差、协方差矩阵2离均差平方和与离均差积和矩阵3相关系数矩阵4

01.例1.1调查某地16岁中学生12名，其身高、体重和胸围02.资料见下表。

030201单变量时，对每个变量分别计算和。多变量时，则计算每个变量的均数、方差以及变量间的协方差和相关系数。为了清晰表达多变量间的关系，常用矩阵(matrix)表示。构成矩阵的每个数据称为元素(element)。这里称为均向量、方差协方差矩阵。

1.1均向量(meansvector)将各变量的均数用矩阵形式排列，称为均向量。如本例均向量为三维列向量：1其转置向量为三维行向量：2

更一般地：样本均向量为：总体均向量为：

1.2方差、协方差矩阵No.3方差：变量自身的变异；协方差：变量与另一变量的协同变异(即：一个变量随另一个变量变化的关系)。方差、协方差矩阵：将各指标的方差、协方差用矩阵的形式排列，得方差-协方差矩阵(variance-covariancematrix)，简称协方差阵(covariancematrix)，用字母V表示。No.2No.1

本例：第1个变量方差为：本例共三个方差：v22=69.6288v33=35.3239

第1个变量与第2个变量的协方差为：本例共三个协方差。v13=v31=32.2318v23=v32=45.4659

01样本协方差阵02vij=vji，协方差阵是对角阵

一般地，如n个观察单位测量了m个变量，则样本协差阵为维的对称阵。记为：

对角线两侧为变量间的协方差：01可见，方差为协方差的特例，或协方差为更一般的形式。02其中：对角线上为各变量的方差：03

总体协方差阵

将各变量的离均差平方和与离均差积和用矩阵排列，该矩阵称为离差阵(SSCP)。用SS或L表示。与V的关系为：或

1.4相关系数阵X1与X2的相关系数为：变量本身的相关系数为1，因此：将各变量间的相关系数用矩阵形式排列，称相关阵。记为R(SeeP.3)。0102

一般地，n个观察对象有m个变量，则有m×m维的样本相关阵：01其中：02

12correlationcoefficientsmatrix如事先对每个变量做标准化变换，则变换后变量的协差阵等于原变量的相关阵。12

502.9464