回歸分析ppt課件(2)-資料下載頁
2025-05-12 07:11本頁面
【正文】 607 0 . 3 7 2P r o d u c t s = ( 3 . 7 3 9 + 6 2 . 0 8 4 t ) 。 根據(jù)參數(shù)估計(jì)值，可以建立回歸方程為： ?相關(guān)系數(shù)表 a b c a .946 b c .946 左表給出了各變量之間的相關(guān)系數(shù)情況。 27 非線性回歸分析 ?方差分析表 。 Source Sum of Squares df Mean Squares Regression 3 Residual 6 .211 Uncorrected Total 9 Corrected Total 8 Dependent variable: Products a. R squared = 1 (Residual Sum of Squares) / (Corrected Sum of Squares) = .962. 可以看出，復(fù)相關(guān)系數(shù)的平方和為 ，也就是說模型能夠解釋因變量 %的變異，這說明了非線性估計(jì)的效果是非常好的。 28 logistic回歸 logistic回歸又稱 logistic回歸分析，主要在流行病學(xué)中應(yīng)用較多，比較常用的情形是探索某疾病的危險(xiǎn)因素，根據(jù)危險(xiǎn)因素預(yù)測某疾病發(fā)生的概率，等等。例如，想探討胃癌發(fā)生的危險(xiǎn)因素，可以選擇兩組人群，一組是胃癌組，一組是非胃癌組，兩組人群肯定有不同的體征和生活方式等。這里的因變量就是是否胃癌，即“是”或“否”，為兩分類變量，自變量就可以包括很多了，例如年齡、性別、飲食習(xí)慣、幽門螺桿菌感染等。自變量既可以是連續(xù)的，也可以是分類的。通過logistic回歸分析，就可以大致了解到底哪些因素是胃癌的危險(xiǎn)因素。 29 logistic回歸與多重線性回歸實(shí)際上有很多相同之處，最大的區(qū)別就在于他們的因變量不同，其他的基本都差不多，正是因?yàn)槿绱?，這兩種回歸可以歸于同一個(gè)家族，即廣義線性模型（ generalized linear model）。這一家族中的模型形式基本上都差不多，不同的就是因變量不同，如果是連續(xù)的，就是多重線性回歸，如果是二項(xiàng)分布，就是 logistic回歸，如果是poisson分布，就是 poisson回歸，如果是負(fù)二項(xiàng)分布，就是負(fù)二項(xiàng)回歸，等等。只要注意區(qū)分它們的因變量就可以了。 30 logistic回歸的因變量可以是二分類的，也可以是多分類的，但是二分類的更為常用，也更加容易解釋。所以實(shí)際中最為常用的就是二分類的 logistic回歸。 logistic回歸的主要用途：一是尋找危險(xiǎn)因素，正如上面所說的尋找某一疾病的危險(xiǎn)因素等。二是預(yù)測，如果已經(jīng)建立了 logistic回歸模型，則可以根據(jù)模型，預(yù)測在不同的自變量情況下，發(fā)生某病或某種情況的概率有多大。三是判別，實(shí)際上跟預(yù)測有些類似，也是根據(jù)logistic模型，判斷某人屬于某病或?qū)儆谀撤N情況的概率有多大，也就是看一下這個(gè)人有多大的可能性是屬于某病。 這是 logistic回歸最常用的三個(gè)用途，實(shí)際中的 logistic回歸用途是極為廣泛的， logistic回歸幾乎已經(jīng)成了流行病學(xué)和醫(yī)學(xué)中最常用的分析方法，因?yàn)樗c多重線性回歸相比有很多的優(yōu)勢。 31 練習(xí)題 X省交通客運(yùn)量與人均 GDP的數(shù)據(jù)，該數(shù)據(jù)記錄了從 1980到 2022年的情況，部分相關(guān)數(shù)據(jù)如下圖所示（數(shù)據(jù)文件：第一題 .sav)。 試采用曲線回歸的方法，為交通運(yùn)輸量與人均 GDP的關(guān)系擬合一條合適的曲線。 32 型飲料銷售的影響，調(diào)查者調(diào)查了碳酸飲料銷售量、茶飲料銷售量、固體沖泡飲料銷售量和咖啡類飲料的銷售量。觀測數(shù)據(jù)部分如下（數(shù)據(jù)文件：第二題 .sav) 利用線性回歸分析方法分析其他飲料的銷售對果汁飲料銷售的影響。
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1