数学建模多元线性回归分析.pptxVIP

第十五章多元线性回归分析

(MultipleLinearRegression)

MultiplelinearregressionChoiceofindependentvariableApplicationContent

添加标题添加标题添加标题添加标题添加标题及其注意事项第三节多元线性回归的应用第二节自变量选择方法第一节多元线性回归讲述内容

目的：作出以多个自变量估计应变量的多元线性回归方程。资料：应变量为定量指标；自变量全部或大部分为定量指标，若有少量定性或等级指标需作转换。用途：解释和预报。意义：由于事物间的联系常常是多方面的，一个应变量的变化可能受到其它多个自变量的影响，如糖尿病人的血糖变化可能受胰岛素、糖化血红蛋白、血清总胆固醇、甘油三脂等多种生化指标的影响。

第一节??多元线性回归

一、多元线性回归模型变量：应变量1个，自变量m个，共m+1个。添加标题01单击此处添加小标题数据格式见表15-103单击此处添加小标题样本含量：n02单击此处添加小标题回归模型一般形式：04

表15-1多元回归分析数据格式条件

添加标题添加标题添加标题建立回归方程检验并评价回归方程及各自变量的作用大小一般步骤

logo多元线性回归方程的建立例15-127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15-2中，试建立血糖与其它几项指标关系的多元线性回归方程。

表15-227名糖尿病人的血糖及有关变量的测量结果

01求偏导数02原理最小二乘法

三、假设检验及其评价方差分析法：01对回归方程02

A表15-4例15-1的方差分析表单击此处添加小标题B表15-3多元线性回归方差分析表单击此处添加小标题

2.决定系数R2：01

3.复相关系数

对各自变量指明方程中的每一个自变量对Y的影响（即方差分析和决定系数检验整体）。偏回归平方和章节一

表15-5对例15-1数据作回归分析的部分中间结果各自变量的偏回归平方和可以通过拟合包含不同自变量的回归方程计算得到，表15-5给出了例15-1数据分析的部分中间结果。

结果

t检验法是一种与偏回归平方和检验完全等价的一种方法。计算公式为

结果结论

3．标准化回归系数变量标准化是将原始数据减去相应变量的均数，然后再除以该变量的标准差。计算得到的回归方程称作标准化回归方程，相应的回归系数即为标准化回归系数。

注意：一般回归系数有单位，用来解释各自变量对应变量的影响，表示在其它自变量保持不变时，增加或减少一个单位时Y的平均变化量。不能用各来比较各对的影响大小。标准化回归系数无单位，用来比较各自变量对应变量的影响大小，越大，对的影响越大。

结论

目的：使得预报和（或）解释效果好第二节????自变量选择方法

目的：预报效果好意义：对自变量各种不同的组合所建立的回归方程进行比较择优。选择方法：一、全局择优法

例15-2用全局择优法对例15-1数据的自变量进行选择。第一章节

二、逐步选择法前进法，回归方程中的自变量从无到有、从少到多逐个引入回归方程。此法已基本淘汰。退法，先将全部自变量选入方程，然后逐步剔除无统计学意义的自变量。剔除自变量的方法是在方程中选一个偏回归平方和最小的变量，作F检验决定它是否剔除，若无统计学意义则将其剔除，然后对剩余的自变量建立新的回归方程。重复这一过程，直至方程中所有的自变量都不能剔除为止。理论上最好，建议使用采用此法。逐步回归法，逐步回归法是在前述两种方法的基础上，进行双向筛选的一种方法。该方法本质上是前进法。

表15-7逐步回归过程

表15-8例15-3方差分析表“最优”回归方程为结果表明：血糖的变化与甘油三脂、胰岛素和糖化血红蛋白有线性回归关系，其中与胰岛素负相关。由标准化回归系数看出，糖化血红蛋白对空腹血糖的影响最大。

表15-9例15-3的回归系数的估计及检验结果

第三节多元线性回归的应用及注意事项

一、多元线性回归的应用01

1.影响因素分析例如影响高血压的因素可能有年龄、饮食习惯、吸烟状况、工作紧张度和家族史等，在影响高血压的众多可疑因素中，需要研究哪些因素有影响，哪些因素影响较大。

在临床试验中，则可能由于种种原因难以保证各组的指标基线相同，如在年龄、病情等指标不一致出现混杂的情况下，如何对不同的治疗方法进行比较等。这些问题都可以利用回归分析来处理。控制混杂因素(confoundingfactor)的一个简单办法就是将其引入回归方程中，与其他主要变量一起进行分析

2.估计与预测如由儿童的心脏横径、心脏纵径和心脏宽径