多重线性回归分析项目五相关与回归分析88课件.pptxVIP

多重线性回归分析主讲老师：班曼丽《健康数据统计分析》项目五相关与回归分析版权单位：

教学目标知识目标理解多重线性回归的概念。掌握秩相关系数的计算。理解秩相关系数的检验方法。能力目标提高处理问题的逻辑思维能力。提高应用秩相关分析来解决实际问题的能力。素质目标具有健康生活意识。具有对数据的敏感力与对数据分析的成就感。

案例导入为了研究居民健康程度，某社区对30~70岁的居民开展了健康调查，测得其BMI、TC、LDL-C、HDL-C、甘油三酯、血糖、高血压等相关数据。对这些身体指标的相关数据进行分析，以血糖为因变量，以年龄、性别、BMI、TC、LDL-C、HDL-C、甘油三酯、高血压为自变量，进行多重线性回归分析，并进行假设检验。

多重线性回归分析01多重线性回归方程的建立02多重线性回归系数的计算03模型整体的假设检验04单个回归系数的假设检验

一、多重线性回归方程的建立多重线性回归分析的核心任务是探究多个自变量对单一连续因变量的联合影响，量化各变量的独立效应及交互贡献，通过建立多重线性回归方程来实现这一任务，多重线性回归方程是直线回归方程的一种扩展，用于探究多个自变量（）与一个连续型因变量（Y）之间的线性关系。其数学表达式为其中，P为常数，表示自变量的个数，为常数项，是总体参数的估计，为自变量的偏回归系数，是总体参数的估计，反映各自变量对Y的影响程度。

二、多重线性回归系数的计算用最小二乘法对多重线性回归方程中的参数进行估计，最小二乘法通过最小化残差平方和（RSS）求解回归系数，其基本原理是：寻找适宜的回归系数建立多重线性回归方程，使得因变量的观测值与回归方程的估计值之间的残差平方和（RSS）最小，数学表达式为通过矩阵计算回归系数的估计值其中，X和Y分别为自变量和因变量的观测值

三、整体模型的假设检验前面回归系数是根据样本数据计算出来的估计值，现对总体参数进行假设检验，采用F检验方法。F检验是多重线性回归中判断模型整体有效性的核心工具，通过比较模型解释变异与随机误差的比率，评估自变量的联合作用。

三、整体模型的假设检验检验过程如下1.建立假设原假设：，表示所有自变量的回归系数均为0。假设：至少有一个自变量的回归系数不为0，即模型整体有效。2.计算检验统计量F统计量通过比较模型解释的变异与未解释的变异的比率构建，计算公式为：其中，为模型平方和，表示模型预测值与因变量均值的偏离平方和，为残差平方和，表示实际值与因变量预测值的偏离平方和。

三、整体模型的假设检验3.确定检验水平和临界值取检验水准。根据显著水平和自由度，查F分布表，获取临界值。4.推断结论若，则拒绝原假设，认为模型整体显著；反之，不拒绝原假设，模型无统计学意义。

四、单个回归系数的假设检验针对多重线性回归模型里面单个的回归系数检验，检验方法选择t检验。检验步骤如下1.建立假设原假设：，表示自变量对因变量Y无影响。假设：自变量的回归系数不为0，即模型有效。2.计算检验统计量统计量t的计算公式为：其中，为回归系数的标准误，为误差项方差的估计值，表示一矩阵的第j个对角元素。3.检验结果取，若，拒绝原假设，认为对Y有显著影响。反之，不拒绝原假设，认为对Y无显著影响。

案例分析基于统计软件SPSS进行多重线性回归分析的结果显示，F=496.926，P0.001，在的检验水准下，可以认为血糖和甘油三酯、HDL_C、年龄之间有线性关系。以血糖为因变量Y，以甘油三酯为自变量，以HDL_C为自变量，以年龄为自变量，建立的多重线性回方程为

总结多重线性回归分析的过程可总结如下：1.构建多重线性回归模型。2.计算多重线性回归系数。通过最小二乘法最小化残差平方和（RSS）来求解回归系数。3.对模型整体进行假设检验，检验方法为F检验。验证总体数据中，所有自变量的回归系数是否为0。4.对单个