臨床流行病學(xué)應(yīng)用研究室-多元線性回歸(ppt87)-經(jīng)營管理-資料下載頁
2025-08-06 19:37本頁面
【導(dǎo)讀】量間的線性依存關(guān)系）。變量也可以是人為設(shè)定的。·因變量是隨機(jī)變量。β0常數(shù)項(xiàng)，β1,…B0為常數(shù)項(xiàng)，B1，B2，…Y對(duì)應(yīng)于X1，X2，……起因變量Y變化的比率。生、發(fā)展及預(yù)后的影響程度。提高其診斷效果等。的相互獨(dú)立的隨機(jī)變量。多元線性回歸甚至要求20倍。據(jù)轉(zhuǎn)化的探索性分析等。,βP的估計(jì)值的即。過對(duì)微分方程組求偏導(dǎo)數(shù)，..BP必須滿足以下聯(lián)。即正規(guī)方程的解β0,β1,…
【正文】 （四） SPSS軟件包逐步回歸回歸系數(shù)及檢驗(yàn) C o e f f i c i e n t sa. 6 5 7 1 . 2 7 6 . 5 1 5 . 6 1 12 . 9 3 8 E 0 2 . 0 0 3 . 8 6 3 8 . 8 9 4 . 0 0 0 . 8 6 3 . 8 6 3 . 8 6 3( C o n s t a n t )鐵（F e )M o d e l1B S t d . E r r o rU n s t a n d a r d i z e dC o e f f i c i e n t sB e t aS t a n d a rd i z e dC o e f f i ci e n t st S i g . Z e r o o r d e r P a r t i a l P a r tC o r r e l a t i o n sD e p e n d e n t V a r i a b l e : 血紅蛋白（ H e m o g l o b i n , g )a . )( 鐵xy ???（五） SPSS軟件包逐步回歸殘差直方圖 Regression Standardized Residual.75.50.25HistogramDependent Variable: 血紅蛋白（Hemoglobin,g)Frequency543210Std. Dev = .98 Mean = N = （六） SPSS軟件包逐步回歸未進(jìn)入方程的變量及檢驗(yàn) E x c l u d e d V a r i a b l e sb. 1 7 7a1 . 8 1 5 . 0 8 1 . 3 3 5 . 9 1 0. 0 3 5a. 2 7 6 . 7 8 5 . 0 5 4 . 5 9 7. 0 9 6a. 9 5 0 . 3 5 1 . 1 8 3 . 9 2 7. 0 2 0a. 1 9 9 . 8 4 4 . 0 3 9 . 9 3 0鈣（C a )鎂（M g )錳（M n )銅（C u )M o d e l1B e t a I n t S i g .P a r t i a lC o r r e l a t i o n T o l e r a n c eC o l l i n e a r ityS t a t i s t i c sP r e d i c t o r s i n t h e M o d e l : ( C o n s t a n t ) , 鐵（ F e )a . D e p e n d e n t V a r i a b l e : 血紅蛋白（ H e m o g l o b i n , g )b . （七） SPSS軟件包逐步回歸殘差正態(tài)概率 PP圖 Normal PP Plot of Regression Standardized ResidualDependent Variable: 血紅蛋白（Hemoglobin,g)Observed Cum ProbExpected Cum Prob.75.50.25逐步回歸的主要用途： 建立一個(gè)自變量個(gè)數(shù)較少的多元線性回歸方程，可用于描述某些自變量與某一醫(yī)學(xué)現(xiàn)象間的數(shù)量關(guān)系，以及進(jìn)行疾病的預(yù)測(cè)預(yù)報(bào)，輔助診斷等。 進(jìn)行因素篩選，有助于從大量因素中篩選出對(duì)某一醫(yī)學(xué)現(xiàn)象作用顯著的因素和因素組，因此在病因分析和療效分析中有著廣泛的應(yīng)用。 討論： 共線性問題 殘差分析 共線性分析： 在回歸方程中，雖然各自變量對(duì)因變量是有意義的，但由于某些自變量彼此相關(guān)，這種自變量彼此間的相關(guān)叫存在共線性問題，必然給評(píng)價(jià)自變量的貢獻(xiàn)帶來困難。因此，需要對(duì)回歸方程中的自變量進(jìn)行共線性診斷。 共線性診斷的方法： 診斷共線性常用的參數(shù)有： 條件參數(shù)： 條件參數(shù) =（最大特征值 /第 i個(gè)特征值） 1/2，條件參數(shù)是在計(jì)算特征值時(shí)產(chǎn)生的一個(gè)統(tǒng)計(jì)量，此值大于或等于 30，判斷可能存在共線性。（此法目前尚有爭(zhēng)議） 容許度 ： 為 r21iR? 方差膨脹因子（ VIF）： VIFi=1 /（ 1R2） ，此值越大，自變量之間存在共線性的可能性越大。 共線性的處理辦法： 剔除不重要的有共線性問題的自變量，但要注意專業(yè)的合理解釋。 增加樣本含量 。 重新抽取樣本數(shù)據(jù)。 回歸模型殘差分析： 最常用和最直觀的方法是殘差直方圖和累積正態(tài)概率 PP圖。但也是一種近似的方法。 SPSS統(tǒng)計(jì)軟件包 Regression分析模塊的功能： 線性回歸（ Linear） 曲線參數(shù)估計(jì) Curve Estimation） 二值 Logistic回歸 多項(xiàng) Logistic回歸 概率單位法 Probit,probability unit 非線性回歸（ Nonlinear) 加權(quán) 估計(jì)法（ Weight Estimation） 二階段最小二乘回歸（ 2－ Stage Least Squares) SPSS統(tǒng)計(jì)軟件包多元線性回歸建模方法： ? 強(qiáng)迫引入法 Enter ? 逐步回歸法 Stepwise ? 強(qiáng)迫剔除法 Remove ? 向后逐步法 Backward ? 向前逐步法 Forward 多元線性回歸模塊分析內(nèi)容： ? 回歸系數(shù) ? 相關(guān)系數(shù) ? 方差分析表 ? 圖形 ? 預(yù)測(cè)值等
法律信息相關(guān)推薦
鄂ICP備17016276號(hào)-1