多元統(tǒng)計方法ppt課件(存儲版)
【正文】 現： ?回歸系數的符號與由專業(yè)知識不符 ?變量的重要性與專業(yè)不符 ?整個方程決定系數 R2高，但各自變量對應的回歸系數均不顯著 。 Cp無法用 Spss直接計算，可能需要手工。編碼方法如下： 數據格式 回歸的一些定義 ? 應變量（ dependent variable) ? 自變量（ independent variable） ? 偏回歸系數 pertial regression coefficient ? 常數項 b0 ? 決定系數 determination coefficient， R square ? 共線性 collinearity： 自變量間存在著線性關系 yi=b0+b1x1i+b2x2i+…+b nxni 回歸方程的建立 ?就是求解 b0和 bi的過程 ?矩陣的各種計算（求解線性方程） ? SPSS的實現： analyzeregressionlinear 將回歸方程中的所有自變量作為一個整體來檢驗他們于應變量之間是否具有線性關系，P,說明所擬合的方程具有統(tǒng)計學意義，但并不說明模型擬合的好壞 各自變量的假設檢驗與評價，檢驗各自變量和應變量是否有線性關系， P?(可放寬 )說明有線性關系，同樣 t值不說明線性關系的強弱， 這樣，一個回歸方程就建立了，回歸方 程的建立就是如此 easy。我們要討論的是 ? SPSS建立方程 ? 檢驗方程總體和各自變量的統(tǒng)計學意義 ? 自變量的篩選 ? Case的剔除（強影響點） ? 共線性診斷 多元統(tǒng)計方法 ?線性回歸 ? Logistic 回歸 ? 注：完全可以用于單因素分析，從這一點也可以看出統(tǒng)計學的方法是相通的。 SPSS菜單 ? analyzeregressionlinear 變量的數量化 （ 1）自變量為連續(xù)型變量 ：必要時作變換 （ 2）自變量為有序變量：依次賦值，如療效好中差，可分別賦值 1 （ 3）自變量為二分類：如令男＝ 1，女＝ 0 （ 4）自變量為名義分類：需要采用啞變量（ dummy variables） 進行編碼 名義分類變量的啞變量化 假如職業(yè)分類為工、農、商、學、兵 5類，則可定義比分類數少 1個，即 4個啞變量。 ? Cp選擇法：選擇 Cp最接近 p或 p＋ 1的方程（不同學者解釋不同）。 判斷強影響點的指標 ? SPSS軟件中的指標 ? analyzeregressionlinearsave ? Save中的選項均進入數據庫，而不出現在 output中 ?各種殘差越大，單一記錄對方程的影響越大 判斷強影響點的指標（ 2） 距 1越遠，越是強影響點 其余指標絕對值越大越 是強影響點 多重共線性 自變量間存在著線性關系，使一個或幾個自變量可以由另外的自變量線性表示時，稱為該變量與另外的自變量間存在有共線性(collinearity)。 如確實需要嚴格的模型擬合， SAS可能是更好的選擇 回歸的發(fā)展 ?加權回歸 ?有重復測量的回歸分析：對每一個回歸變量 x的 y有多次重復的測量值。 ? 多因素 Logistic回歸分析時，對回歸系數的解釋都是指在 其它所有自變量固定 的情況下的優(yōu)勢比。 G=2(ln Lpln Lk) 樣本量較大時， G近似服從自由度為待檢驗因素個數的 ?２ 分布。 )2e x p ( ??OR?在 sas的計算中無法對分類變量做多種處理？ ?在 SAS中使用啞變量必須用數據步建立新變量 西、中西、中三種療法啞變量化 ????????其它中西其它西012011 XX原資料 姓名 性別 年齡 療法 張山 1 50 中西 李四 1 20 西 王五 0 18 中 劉六 0 70 中 趙七 1 35 中西 孫八 0 29 西 啞變量化 姓名 性別 年齡 X1 X2 張山 1 50 0 1 李四 1 20 1 0 王五 0 18 0 0 劉六 0 70 0 0 趙七 1 35 0 1 孫八 0 29 1 0 00100121中中西西療法 XXSpss中亞變量的設置 ?分類變量必須轉化。小樣本的匹配特別有用 ? Pitman效率遞增公式 2R/(R+1)『 如圖』 ? 匹配增加了選擇對照的難度 ? 一旦某個因子做匹配，就不能分析它與疾病的關系，另外它與其他因子的交互也不能充分分析。 多分類 logistic回歸 ?＃＃ _)(amp。優(yōu)選選擇與病
教學課件相關推薦
鄂ICP備17016276號-1