文档介绍:概念多因素分析是同时对观察对象的两个或两个以上的变量进行分析。常用的统计分析方法有:多元线性回归、Logistic回归、COX比例风险回归模型、因子分析、主成分分析,等。1多变量资料数据格式例号X1X2…XpY1X11X12…X1pY12X21X22…X2pY2┆┆┆…┆┆nXn1Xn2…XnpYnY为定量变量——LinearRegressionY为二项分类变量——BinaryLogisticRegressionY为多项分类变量——MultinomialLogisticRegressionY为有序分类变量——OrdinalLogisticRegressionY为生存时间与生存结局——CoxRegression2Y,X——直线回归Y,X1,X2,…Xm——多元回归(多重回归)第十五章多元线性回归(multiplelinearregressoin):欲研究血压受年龄、性别、体重、性格、职业(体力劳动或脑力劳动)、饮食、吸烟、血脂水平等因素的影响。3β0为回归方程的常数项(constant),表示各自变量均为0时y的平均值;m为自变量的个数;β1、β2、βm为偏回归系数(Partialregressioncoefficient)意义:如β1表示在X2、X3……Xm固定条件下,X1每增减一个单位对Y的效应(Y增减β个单位)。e为去除m个自变量对Y影响后的随机误差,称残差(residual)。多元回归方程的一般形式一、多元回归模型4为y的估计值或预测值(predictedvalue);b0为回归方程的常数项(constant),表示各自变量均为0时y的估计值;由样本估计而得的多元回归方程:b1、b2、bm为偏回归系数(Partialregressioncoefficient)意义:如b1表示在X2、X3……Xm固定条件下,X1每增减一个单位对Y的效应(Y增减b个单位)。5适用条件:线性(linear)、独立性(independent)、正态性(normal)、等方差(equalvariance)——“LINE”。线性——自变量与应变量的关系是线性的。用散点图判断。独立性——任意两个观察值互相独立。常利用专业知识判断。正态性——就自变量的任何一个线性组合,应变量y均服从正态分布。即要求残差服从正态分布。常用残差图分析。等方差——就自变量的任何一个线性组合,应变量y的方差均相同。即要求残差的方差齐性。用散点图或残差图判断。67(1)因素筛选:(因素分析)例如影响高血压的诸多因素中:1)哪些是主要因素?2)各因素的作用大小?(2)提高回归方程的估计精度多元回归比只有一个自变量的简单直线回归更能缩小应变量Y对其估计值的离差,在预测和统计控制方面应用的效果更好。(3)控制混杂因素多元线性回归除具有直线回归的基本性质外,还具有以下特点(用途):8(1)用各变量的数据建立回归方程(2)对总的方程进行假设检验(3)当总的方程有显著性意义时,应对每个自变量的偏回归系数再进行假设检验,若某个自变量的偏回归系数无显著性,则应把该变量剔除,重新建立不包含该变量的多元回归方程。二、多元回归分析步骤对新建立的多元回归方程及偏回归系数按上述程序进行检验,直到余下的偏回归系数都具有统计意义为止。最后得到最优方程。9例15-1()27名糖尿病人的血清总胆固醇、甘油三脂、空腹胰岛素、糖化血红蛋白、空腹血糖的测量值列于表15-2中,试建立血糖与其它几项指标关系的多元线性回归方程。表15-227名糖尿病人的血糖及有关变量的测量结果序号i总胆固醇甘油三脂胰岛素糖化血血糖(mmol/L)(mmol/L)(μU/ml)红蛋白(%)(mmol/L)………………