12 回归分析2013卫生统计学课件.ppt

第一节 多重线性回归的概念及其统计描述 线性回归与相关 一、多重回归分析数据格式 一、多重线性回归模型的一般形式 第二节、多重线性回归方程的假设检验 1、回归方程的方差分析（所有回归系数为0） 有关计算公式 2、有关评价指标 软件有关结果 （1）.残差标准差（ Root MSE ） （2）.决定系数（ determination coefficient） 决定系数 含义：被解释变量所解释的部分占总体离差的大小。越大越好，但是不会超过1。 缺点：如果在模型中增加一个解释变量，模型的解释功能增强了， 就增大了。这就给人一个错觉：要使得模型拟合得好，就必须增加解释变量。 （3）.校正的决定系数（ Adjusted determination coefficient） 校正的决定系数 （三）、各自变量贡献大小的假设检验及其评价 1、各回归系数的t检验 2、标准化回归系数 3、偏回归平方和（sum of squares for partial regression）及其F检验 1.复相关系数（ multiple correlation coefficient） 复相关系数与简单相关系数的区别是简单相关系数的取值范围是[-1,1]，而复相关系数的取值范围是[0,1]。这是因为，在两个变量的情况下，回归系数有正负之分，所以在研究相关时，也有正相关和负相关之分；但在多个变量时，偏回归系数有两个或两个以上，其符号有正有负，不能按正负来区别，所以复相关系数也就只取正值。 2、偏相关系数 几个相关系数的区别 第四节 自变量的选择 一、全局择优法 （一） Cp准则的计算公式 （二） AIC准则的计算公式 应用以上准则如何选择模型？ SAS获得的几个准则值结果 全局择优法的局限性 二、逐步法 （一）前进法 （二）后退法 （三）逐步回归法 例12-1（逐步选择法）结果(令α入＝α出＝0.10) 逐步回归法实例(令α入＝α出＝0.10) 逐步回归法实例（第一步） 逐步回归法实例（第二步） 逐步回归法实例（X1剔除否） 逐步回归法实例（第三步） 逐步回归法实例（X4/X1/X3剔除否） 逐步回归法实例（第四步） 逐步回归法实例（是否剔除） 逐步回归法实例（是否剔除） 例12-3的方差分析结果 例12-3的回归系数及其检验 第五节 多元线性回归的应用及其注意事项 一、应用 二、应用条件 三、应用的注意事项 （一）变量的数量化 名义分类变量的哑变量化 （二）样本含量 （三）统计“最优”与专业的“最优” （四）多重共线性 多重共线性的识别与解决办法 （五）交互作用 （六）残差分析(检验应用条件) （六）(用标准化残差发现异常点) 多重回归计算程序 假如职业分类为工、农、商、学、兵5类，则可定义比分类数少1个，即4个哑变量。编码方法如下： 漳俐峻耽蹿畜断个歪氏暮擂柿唯廉办竭当脐嚏惠楷栈谷翱拽榔竭珠迹功躯12 回归分析2013卫生统计学课件12 回归分析2013卫生统计学课件 观察个体数n与变量个数m的比例一般至少应为： n : m＝5～10 恰葡剑菌主敷咏膛戳搏碟亏轿戈箩姆踩霹顽除芝承柑限缠贼资熊溶恶兄没12 回归分析2013卫生统计学课件12 回归分析2013卫生统计学课件 不同准则、方法得出的“最优”方程不同； 不同的引入、剔除标准获得的“最优”方程不同； 方程还受数据的正确性、共线性影响 葵刑午事酣氮因恬陶桃诬关弱吉嵌菲祈捶士泳徽撒姐乡跃豆饮蔫痰羊琳悉12 回归分析2013卫生统计学课件12 回归分析2013卫生统计学课件 自变量间存在着线性关系，使一个或几个自变量可以由另外的自变量线性表示时，称为该变量与另外的自变量间存在有共线性(collinearity)。 回归系数的符号与由专业知识不符 变量的重要性与专业不符 枣扭瓮概势捍袄乎粗饭谗刨剂氖拢愉县百舵浊撮翘探闻助婉狙铸根腿骤攒12 回归分析2013卫生统计学课件12 回归分析2013卫生统计学课件 自变量 X1(体重) X2(胸围) x3(肩宽) 简单相关系数 0.698* 0.516* 0.714* 偏相关系数 0.596* 0.503* 0.395* 2、偏相关系数 在其他自变量保持不变条件下，某一因素与反应变 量之间的相关性。 默踪壮滥切野量拼里哇匀快扰酷钓侄尿拆容撂捶吁景向诵域茵精捅百袖惯12 回归分析2013卫生统计学课件12 回归分析2013卫生统计学课件 跑收轰晴亢倪奈了扔棕癌具名此瑞誓岸炬牡赛援秘姐歉椭坠挖伤糊布拳涤12 回归分析2013卫生统计学课件12 回归分析2013卫生统计学课件 拳式点漳闸腆情疥狂苔夷善酋掠毒倦苞撞被矗哨戒澡蚁苫蚤困朔霉谭蛊岗12 回归分析2013卫