中山大医学统计学课件14线性模型.pdfVIP

线性模型

牛晨光

第一临床学院

课程内容

1.线性模型的概念

2.线性模型的一致性

3.曲线模型

4.广义线性模型

5.Logistics回归

线性模型的概念

LineModel

因变量和自变量

在研究多个变量间的因果关系（~）时：

◦假定为因的变量称为自变量（independentvariable），也称因素变量。在实验性研究中

往往包括处理因素和混杂因素，其中混杂变量可被称为协变量。

◦假定为果的变量称为因变量（dependentvariable），也称目标变量、依变量。在实验性

研究中往往指效应变量。

举例：研究运动强度（高、中、低）与节食情况（有、无）对减肥效果的

影响，对得到的资料进行因果关系分析时：

◦减肥效果为因变量；

◦运动强度和节食情况为自变量，这是一个2因素研究，因素水平分别为3和2；

◦如果做析因设计，这个研究就是一个2因素6（3×2）水平的研究。

线性模型的定义

在做统计分析时，假定因变量（Y）由自变量（X）决定，并假定它们之间

有直线函数关系，即：

=++其中，表示随机误差

0

可以省略误差项，记为：~+0

很明显，该模型的几何意义是一条直线，故称为线性模型。

通过一定方法估计出,的值，即可对以上模型进行求解。

0

线性模型的几何解释

~+0

:直线斜率

0:Y轴截距

线性模型的参数估计

目标：各实测点至回归直线的纵向距离的平方和最小。

算法：最小二乘法(leastsquaresmethod)

ˆlXY∑(X−X)(Y−Y)

βb2

lXX∑(X−X)

ˆ

βbY−bX

00

线性模型的空间扩展

当仅有1个自变量时，线性模型为：

~+0

该模型可表示平面上的一条直线。

当有多个自变量（分别为X1,X2,…,Xn），则线性模型为：

~++⋯++

11220

该模型表示欧氏空间的一条直线。

线性模型的分析过程

1.模型假设，根据资料选择自变量。

2.参数估计，采用最小二乘法进行求解。

3.模型评价，对回归模型及其每个参数进行显著性检验。

4.重复以上步骤，直至获得一个理想的模型

5.模型诊断，判断数据是否符合LINE条件。

6.解释模型，结合专业知识确定最佳模型并进行解释。

线性模型相关统计方法

T检验

方差分析

回归分析

线性模型的一致性

T检验=方差分析=回归分析

案例讨论1

为了解内毒素对肌酐