统计检验分析第七章.pptVIP

注意第30页，共43页，星期日，2025年，2月5日变量回归系数bj标准化偏回归系数b’jX10.142450.07758X20.351470.30931X3-0.27059-0.33948X40.63820.39774接例3第31页，共43页，星期日，2025年，2月5日第1页，共43页，星期日，2025年，2月5日人的体重与身高、胸围血压值与年龄、性别、劳动强度、饮食习惯、吸烟状况、家族史糖尿病人的血糖与胰岛素、糖化血红蛋白、血清总胆固醇、甘油三脂射频治疗仪定向治疗脑肿瘤过程中，脑皮质的毁损半径与辐射的温度、照射的时间一个变量的变化直接与另一组变量的变化有关：如：第2页，共43页，星期日，2025年，2月5日Multivariatelinearregression的概念多元线性回归分析也称复线性回归分析（multiplelinearregressionanalysis），它研究一组自变量如何直接影响一个因变量。自变量（independentvariable）是指独立自由变量的变量，用向量X表示；因变量（dependentvariable)是指非独立的、受其它变量影响的变量，用向量Y表示。第3页，共43页，星期日，2025年，2月5日多元回归分析数据格式第4页，共43页，星期日，2025年，2月5日内容一、一元线性回归和多元线性回归的例子二、多元线性回归方程模型三、多元线性回归分析的步骤四、逐步回归分析第5页，共43页，星期日，2025年，2月5日一、一元线性回归和多元线性回归的例子例1，一元线性回归第6页，共43页，星期日，2025年，2月5日第二步运行结果第7页，共43页，星期日，2025年，2月5日第8页，共43页，星期日，2025年，2月5日例2，多元线性回归第9页，共43页，星期日，2025年，2月5日第10页，共43页，星期日，2025年，2月5日第二步运行结果第11页，共43页，星期日，2025年，2月5日第12页，共43页，星期日，2025年，2月5日假定因变量Y与自变量间存在如下关系：式中，是常数项，称为偏回归系数（partialregressioncoefficient）。的含义为在其它自变量保持不变的条件下，自变量改变一个单位时因变量Y的平均改变量。为随机误差，又称残差（residual），它表示的变化中不能由自变量解释的部分。二、多元线性回归方程模型第13页，共43页，星期日，2025年，2月5日x1x2y第14页，共43页，星期日，2025年，2月5日应用条件：注意：虽然模型要求因变量是连续数值变量，但对自变量的类型不限。若自变量是分类变量，特别是无序分类变量，要转化为亚变量才能分析。对于自变量是分类变量的情形，需要用广义线性回归模型分析。第15页，共43页，星期日，2025年，2月5日三、多元线性回归分析的步骤（一）估计各项参数，建立多元线性回归方程模型（二）对整个模型进行假设检验，模型有意义的前提下，再分别对各偏回归系数进行假设检验。（三）计算相应指标，对模型的拟合效果进行评价。第16页，共43页，星期日，2025年，2月5日（一）模型的参数估计第17页，共43页，星期日，2025年，2月5日27名糖尿病患者的血清总胆固醇（x1）、甘油三酯（x2）、空腹胰岛素（x3）、糖化血红蛋白（x4）、空腹血糖（y）的测量值列于表中，试建立血糖与其它几项指标关系的多元线性回归方程。例3第18页，共43页，星期日，2025年，2月5日各变量的离差矩阵第19页，共43页，星期日，2025年，2月5日线性回归方程模型为：第20页，共43页，星期日，2025年，2月5日1、对模型的假设检验—F检验2、对偏回归系数的假设检验—F检验和t检验3、标准化偏回归系数（二）对模型及偏回归系数的假设检验第21页，共43页，星期日，2025年，2月5日1、对模型的假设检验—F检验第22页，共43页，星期日，2025年，2月5日SS回归=b1l1y+b2l2y+b3l3y+b4l4y=0.1424×67.6962+0.3515×89.8025+0.2706×142.4347+0.6382×84.5570=1