多元統(tǒng)計(jì)方法2(ppt81)(編輯修改稿)
2025-03-01 17:33 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 回歸的發(fā)展z 加權(quán)回歸z 有重復(fù)測(cè)量的回歸分析：對(duì)每一個(gè)回歸變量 x的 y有多次重復(fù)的測(cè)量值。z 嶺回歸分析：改進(jìn)的最小二乘方，用于自變量相關(guān)性大，或某些變量變化范圍太小?？捎?sas實(shí)現(xiàn)。Logistic回歸z 實(shí)際上屬于判別分析，因擁有很差的判別效率而不常用。z 適用于流行病學(xué)資料的因素分析z 實(shí)驗(yàn)室中藥物的劑量 反應(yīng)關(guān)系z(mì) 臨床試驗(yàn)評(píng)價(jià)z 疾病的預(yù)后因素分析二、 Logistic回歸模型z Logistic回歸的分類 二分類 多分類 其中二分較為常用 條件 Logistic回歸 非條件 Logistic回歸 兩者針對(duì)的資料類型不一樣，后者者針對(duì) 成組研究，前者針對(duì)配對(duì)或配伍研究。26例冠心病病人和 28例對(duì)照者進(jìn)行病例 ?對(duì)照研究（變量賦值表） 自變量為連續(xù)自變量為連續(xù)變量，最好變變量，最好變?yōu)榈燃?jí)或計(jì)數(shù)為等級(jí)或計(jì)數(shù)資料資料有統(tǒng)計(jì)學(xué)家持反對(duì)意見認(rèn)為損失信息26例冠心病病人和 28例對(duì)照者進(jìn)行病例 ?對(duì)照研究（數(shù)據(jù)格式） Logistic回歸方程的建立建立方程就是求解 b0， b1…b pz Logistic回歸中的常數(shù)項(xiàng)（ b0） 表示，在不接觸任何潛在危險(xiǎn)／保護(hù)因素條件下，效應(yīng)指標(biāo)發(fā)生與不發(fā)生事件的概率之比的對(duì)數(shù)值。z Logistic回歸中的回歸系數(shù)（ bi ） 表示，某一因素改變一個(gè)單位時(shí)，效應(yīng)指標(biāo)發(fā)生與不發(fā)生事件的概率之比的對(duì)數(shù)變化值，即 OR或 RR的對(duì)數(shù)值。參數(shù)意義回歸系數(shù)的意義216。單純從數(shù)學(xué)上講，與多元線性回歸分析中回歸系數(shù)的解釋并無(wú)不同，亦即 bi表示 xi改變一個(gè)單位時(shí)， logit P的平均變化量。216。 多因素 Logistic回歸分析時(shí)，對(duì)回歸系數(shù)的解釋都是指在 其它所有自變量固定 的情況下的優(yōu)勢(shì)比。216。 存在因素間交互作用時(shí)， Logistic回歸系數(shù)的解釋變得更為復(fù)雜，應(yīng)特別小心。z調(diào)整與控制調(diào)整與控制流行病學(xué)中的一些基本概念：相對(duì)危險(xiǎn)度 （ relative risk） : RR=P1/P2比數(shù) Odds=P/(1P)比數(shù)比 OR=[P１ /(1P１ )]/[P２ /(1P２ )]在患病率較小情況下， OR≈RR根據(jù) Wald 檢驗(yàn)可知， Logistic回歸系數(shù) bi服從 u分布。因此其可信區(qū)間為進(jìn)而，優(yōu)勢(shì)比 e(bi)的可信區(qū)間為參數(shù)估計(jì)似然函數(shù)計(jì)算方法最大似然法迭代法1. 初始值2. 迭代次數(shù)3. 人為精度4. 可能不收斂5. 總體來(lái)說，解比6. 較穩(wěn)定。SPSS的實(shí)現(xiàn)z analyzeregressionbinary logisticanalyzeregressionbinary logisticoption模型擬合優(yōu)度指標(biāo)， ?2值越小，P值越大表明模型越好迭代過程，可以監(jiān)察方程計(jì)算的過程參數(shù)估計(jì)的相關(guān)矩陣，每步各協(xié)變量的零級(jí)相關(guān)系數(shù)（簡(jiǎn)單相關(guān)系數(shù)）均?。?），提示各協(xié)變量間相互獨(dú)立其他結(jié)果說明內(nèi)編碼缺省值最好不超過缺省值最好不超過總樣本量的總樣本量的 10％％不然代表性太差不然代表性太差但也不是絕對(duì)但也不是絕對(duì)結(jié)果說明（ 2）我們只看最后一步模型系數(shù)總的檢驗(yàn)Step： 增加或減少的變量對(duì)方程的影響， P越大說明這個(gè)變量對(duì)方程的影響越小Block：Model： 方程內(nèi)包含的變量總體，如果 P?,說明 Logistic方程總體有意義，借用線性的 解釋來(lái)說將回歸方程中的所有自變量作為一個(gè)整體來(lái)檢驗(yàn)他們于應(yīng)變量之間是否具有 線性線性 關(guān)系，P,說明所擬合的方程具有統(tǒng)計(jì)學(xué)意義，但并不說明模型擬合的好壞?： 真正的模型擬合一般要把其提高到 。結(jié)果 3模型擬合優(yōu)度指標(biāo)，模型擬合優(yōu)度指標(biāo)，?2值越小，值越小，P值越大表明模型越好值越大表明模型越好兩種兩種 R2的解釋與線性的解釋與線性方程同，方程同， ％在流行病學(xué)％在流行病學(xué)研究中算一個(gè)比較好的了研究中算一個(gè)比較好的了判別分析用表判別分析用表結(jié)果 4?Wald檢驗(yàn)檢驗(yàn) （（ wald test）） 即廣義的即廣義的 t檢驗(yàn)，統(tǒng)計(jì)量為檢驗(yàn)，統(tǒng)計(jì)量為u,下面詳細(xì)討論之下面詳細(xì)討論之參數(shù)估計(jì)的相關(guān)矩陣，每步各協(xié)變量的零級(jí)相關(guān)系數(shù)（簡(jiǎn)單相關(guān)系數(shù)）均?。?），提示各協(xié)變量間相互獨(dú)立至此，一個(gè)最簡(jiǎn)單logistic方程建立和檢驗(yàn)告一段落，下面涉及自變量的選擇自變量的選擇和強(qiáng)影響點(diǎn)的挑選強(qiáng)影響點(diǎn)的挑選自變量的篩選z 目的：與多元線性回歸分析類似，當(dāng)自變量的數(shù)目較多時(shí)，為使 logistic回歸方程比較穩(wěn)定和便于解釋。z 方法：一般統(tǒng)計(jì)學(xué)書介紹和統(tǒng)計(jì)軟件固有的有前進(jìn)法、后退法，逐步法。z 個(gè)人認(rèn)為，還應(yīng)考慮模型的整體擬合優(yōu)度，并結(jié)合專業(yè)知識(shí)手工增加或剔除變量全局擇優(yōu)指標(biāo)z 擬合分類表z 最大似然函數(shù)值 L（＝ 1）或 logL（＝ 0）即 2log likelihood＝ 0z 擬合優(yōu)度檢驗(yàn)z 通過上述指標(biāo)，比較不同方程擬合優(yōu)度的優(yōu)劣R2越大，擬合越好越大，擬合越好模型擬合優(yōu)度指標(biāo)，模型擬合優(yōu)度指標(biāo)，?2值越小，值越小，P值越大表明模型
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1