回归分析与相关分析.pptxVIP

课程安排

回归模型与相关分析

方差分析

属性数据分析

生存数据分析

实验设计

全基因组关联分析;第1,2,3,5次

ExperimentalDesignandDataAnalysisforBiologists

GerryP.QuinnandMichaelJ.Keough

CambridgeUniversityPress,Cambridge,2002.

2. BiostatisticalDesignandAnalysisUsingR:APracticalGuide

MurrayLogan

Wiley-Blackwell,Chichester,WestSussex,2010.

第4次

3.SurvivalAnalysis:ASelf-LearningText,2ndedition

DavidG.KleinbaumandMitchelKlein,Springer,2005

第6次

ABELtutorial

YuriiAulchenko,2011;回归分析和相关分析

生物统计学研究所张洪

线性回归

1.1 回归直线

1.2 参数估计方法：最小二乘估计

1.3 参数推断：F-检验、t-检验、区间估计

1.4 回归模型的诊断：残差分析

1.5 多重线性回归

1.6 Box-Cox变换

2.相关分析

2.1 Pearson相关系数

2.2 相关系数的统计推断：z-检验、区间估计

2.3 偏相关系数

2.4 秩相关与多重相关

3实例分析;与函数关系的区别：

同一身高可以体重不同，

体重随身高增加的关系

不是严格成立，

只是有这种趋势;;问题：

如何估计参数？

X能解释Y的比例是多少？

假设检验问题：

线性模型是否适用？

如果模型不适用，如何修正？

;;观测值：

残差：;t检验:回归系数的显著性检验

零假设：回归系数等于0;F检验（方差分析）：模型选择，比显著性检验应用范围更广，

但不同模型选择需要分别做模型拟合。

t检验（显著性检验）：一次拟合可以给出多个系数的检验结果;区间估计;1.4 回归模型的诊断：残差分析;强影响点;残差散点图

残差Q-Q图

位置(拟合值)

-尺度图

4. Cook距离与

杠杆图

Cook距离1

或

leverage2p/n

为强影响点;稳健回归法：最小一乘估计(最小绝对偏差，LAD);;1.5多重线性回归;X1;X1;1.6Box-Cox变换;2. 相关分析;X与Y的Pearson相关系数;2.2相关系数的统计推断;2.3偏相关系数;2.4秩相关、多重相关;R代码

mul.fit=lm(c~a+b);

cor.mul=cor.test(c,fitted(mul.fit));;3实例分析;初步的分析：两两相关分析---散点图;dat-read.csv(paruelo.csv);

require(car);

scatterplot.matrix(~C3+MAP+MAT+JJAMAP+DJFMAP+LONG+LAT,

data=dat,diag=boxplot);;scatterplot.matrix(~log10(C3+0.1)+MAP+MAT+JJAMAP+DJFMAP+LONG+LAT,data=dat,diag=boxplot);;变换过后的因变量分布

更接近正态分布

自变量之间有大的

相关性---共线性性，

共线性性对多变量线性

回归分析影响很大;print(cor(dat[,3:8]));

MAPMATJJAMAPDJFMAPLONGLAT

MAP1.00000000.3550907660-0.404512409-0-0MAT0.35509081.000000000-00.001478037-0-0JJAMAP0.1122590-0.0807713071-0.791540381-0