文档介绍：编号：
时间：2021年x月x日
海纳百川
页码：第页共9页
: .
【因素分析法的计算例题】多因素分析法研究
多因素分析法研究 为大家整理的相关的多因素分析法研究资料，供大家参考选择。
多因素分析
研究多个因素间关系及具有这些因素的个体之间的一系列统计分析方法称为多元(因素)分析。主要包括：
多元线性回归(multiple linear regression) 判别分析(disoriminant analysis) 聚类分析(cluster analysis)
主成分分析(principal component analysis) 因子分析(factor analysis) 典型相关(canonical correlation) logistic 回归(logistic regression) Cox 回归(COX regression)
1、 多元回归分析(multiple linear regression)
回归分析是定量研究因变量对自变量的依赖程度、分析变量之间的关联性并进行预测、预报的基本方法。研究一个因变量对几个自变量的线性依存关系时，其模型称为多元线性回归。函数方程建立有四种方法：全模型法、向前选择法、向后选择法、逐步选择法( : 多因素分析法研究)。
全模型法其数学模型为：ebbbb++++=ppxxxyL22110
式中 y 为因变量， pxxxL21, 为p个自变量，0b为常数项，pbbbL21,为待定参数，
称为偏回归系数(partial regression coefficient)。pbbbL21,表示在其它自变量固定不变的情况下，自变量Xi 每改变一
个单位时，单独引起因变量Y的平均改变量。多因素分析法研究
e为随机误差，又称残差(residual), 它是在Y的变化中不能为自变量所解释的部分
例如：1、现有20名糖尿病病人的血糖(Lmmoly/,)、胰岛素(LmUx/,1)及生长素(Lgx/,2m)的数据，讨论血糖浓度与胰岛素、生长素的依存关系，建立其多元回归方程。
逐步回归分析(stepwise regression analysis)
在预先选定的几个自变量与一个因变量关系拟合的回归中，每个自变量对因变量变化所起的作用进行显著性检验的结果，可能有些有统计学意义，有些没有统计学意义。有些研究者对所要研究的指标仅具有初步知识，并不知道哪些指标会有显著性作用，只想从众多的变量中，挑选出对因变量有显著性意义的因素。
一个较理想的回归方程，应包括所有对因变量作用有统计学意义的自变量，而不包括作用无统计学意义的自变量。建立这样一个回归方程较理想的方法之一是逐步回归分析(stepwise regression analysis)
基本原理：按这个自变量在方程中对因变量作用的大小，由大到小依次引入方程。每引入一个自变量都要对回归方程中每一个已引入的(包括刚被引入的)自变量的作用作统计意义检