医药信息分与决策回归分析.ppt

北京市SARS传播部分统计数据表 数据源视图设计器 创建用于SARS线性回归的挖掘结构并部署项目和处理挖掘模型 创建用于SARS时序分析的挖掘结构并部署项目和处理挖掘模型 回归模型解释 挖掘图例窗口中的直方图对应于相关性系数。直方图的长度表示相关性的大小；直方图的方向表示相关性的性质：方向向右表示正相关，方向向左表示负相关。 时序模型解释 下图显示了“治愈出院累计”时序的8阶自回归模型，可以利用该回归模型对“治愈出院累计”进行预测，其中“治愈出院累计(-1)”表示预测时间前一天的数据。可以看出，该时间序列与前1天、前4天和前7天正相关，与其余5天负相关，且与前1天的“治愈出院累计”相关性最大。 图表解释 可以看出，“治愈出院累计”随着时间的推移而增加，根据增加的速度可以将“治愈出院累计”时间序列分为三个阶段：第一个阶段是缓慢增加，这是因为SARS刚出现时治疗经验不足，并且确诊病人不多；第二个阶段是较快增加，主要原因是治疗经验增加，导致确诊病人和治愈病人的速度加快；第三个阶段是缓慢增加，这是因为大部分确诊病人都能够较快被治愈，疫情得到控制，确诊病人增长缓慢。 小结 掌握回归和时序分析的原理和基本方法 利用Microsoft SQL SERVER 2005对数据进行分析后深入分析和挖掘结论的现实指导意义 三、时间序列分析 Example: Number of people employed at International Systems Corporation for 20 quarters. * * 三、时间序列分析 Example: the following data indicate the number of mergers that took place in an industry over a 19-year period. * * 时间序列分析 * * 三、时间序列分析 Four Components of Time Series 1. Trends 长期趋势 2. Seasonal variations 季节变化 Cyclical variations 周期变化 Irregular variations 不规则变化 * * 三、时间序列分析 Four Components of Time Series Trends （长期趋势）：Trends in time series are the long-term movements of the series that can be characterized by steady or only slightly variable rates of change. * * 三、时间序列分析 Four Components of Time Series Seasonal variations（季节变）：Seasonal variations in a time series are those variations that occur rather predictably at a particular time each year. * * 三、时间序列分析 Four Components of Time Series Cyclical variations（周期变化）：Cyclical variations are movements in a time series that are recurrent but that occur in cycles of longer than a year. * * 三、时间序列分析 Four Components of Time Series Irregular variations（不规则变化）：Irregular variations constitute the class of time series movements that do not fit into the other three categories. * * 三、时间序列分析 Classical Time Series Model （1）Multiplicative Time Series Model Y＝T×S×C×I （2）Additive Time Series Model Y＝T＋S＋C＋I （3）Mixed Time Series Model Y＝T×S＋C×I * * 1. 趋势外推法 趋势外推法（Trend extrapolation）是根据过去和现在的发展趋势推断未来的一类方法的总称。 基本原理是回归分析