《线性回归计算方法及公式》由会员分享，可在线阅读，更多相关《线性回归计算方法及公式（35页珍藏版）》请在金锄头文库上搜索。
1、 多元线性回归 多元线性回归是简单线性回归的直接推广，其包含一 个因变量和二个或二个以上的自变量。 简单线性回归是研究一个因变量（Y）和一个自变量（ X）之间数量上相互依存的线性关系。而多元线性回归 是研究一个因变量（Y）和多个自变量（Xi）之间数量 上相互依存的线性关系。 简单线性回归的大部分内容可用于多元回归，因其基 本概念是一样的。内容安排 多元线性回归模型与参数估计 回归方程和偏回归系数的假设检验 标准化偏回归系数和确定系数 多元回归分析中的若干问题 回归分析中自变量的选择 多元线性回归分析的作用多元线性回归模型与参数估计 设有自变量x1,x2,xp和因变量Y以及一份由n个个体构 成的
2、随机样本(x1i,x2i,xpi,，Yi），且有如下关系： y =B0+B1x1+B2x2+Bp xp+ (模型）B0、B1、B2和Bp为待估参数， 为残差。 由一组样本数据，可求出等估参数的估计值b0、b1、b2 和bp,，得到如下回归方程：i =b0+b1x1+b2x2+bp xp 由此可见，建立回归方程的过程就是对回归模型中的 参数（常数项和偏回归系数）进行估计的过程。参数的最小二乘估计 与简单回归类似，我们寻求参数B0、B1、B2和 Bp的适宜估计数值b0、b1、b2和bp,，使实际观 察值和回归方程估计值之间残差平方和最小，即 Q (yi i) 2= (yi b0b1x1ib2x2i
3、bp xp i) 2对b0、b1、bp分别求偏导数，今偏导数为零 可获得P1个正规方程，求解正规方程可得待 估参数值。回归方程和偏回归系数的假设检验回归方程的假设检验：建立回归方程后，须分析应变量Y与这p个自 变量之间是否确有线性回归关系，可用F分析 。H0： B1B2.=Bp=0H1： H0不正确 0.05F MS回归 / MS误差MS回归 SS回归p SS回归 = bjLjy ( j =1,2.,P) MS误差 SS误差(n-p-1) SS误差为残差平方和 偏回归系数的假设检验回归方程的假设检验若拒绝H0，则可分别对每 一个偏回归系数bj作统计检验，实质是考察在固 定其它变量后，该变量对应
4、变量 Y 的影响有无 显著性。H0： Bj=0H1： Bj不为零 0.05F （Xj 的偏回归平方和1） / MS误差Xj 的偏回归平方和：去Xj后回归平方和的减少量若H0成立，可把Xj从回归方程中剔除，余下变 量重新构建新的方程。标准化偏回归系数和确定系数 标准化偏回归系数：在比较各自变量对应变量相对贡献大小时，由 于各自变量的单位不同，不能直接用偏回归系 数的大小作比较，须用标准化偏回归系数。 bj = bj (sj / sy) 确定系数：简记为R2，即回归平方和SS回归与总离均 差平方和SS总的比例。R2 SS回归 SS总可用来定量评价在Y的总变异中，由P个 X变量建立的线性回归方程所能
5、解释的比 例。回归分析中的若干问题 资料要求：总体服从多元正态分布。但实际工 作中分类变量也做分析。 n足够大，至少应是自变量个数的5倍 分类变量在回归分析中的处理方法有序分类： 治疗效果：x=0(无效 ) x=1(有效) x=2(控制)无序分类：有k类，则用k1变量（伪变量） 如职业,分四类可用三个伪变量：y1 y2 y3工人 1 0 0农民 0 1 0干部 0 0 1 学生 0 0 0 多元线性回归方程的评价评价回归方程的优劣、好坏可用确定系 数R2和剩余标准差Sy,x1,2.p 。Sy,x1,2. p SQRT（SS误差n-p-1）如用于预测，重要的是组外回代结果。回归方程中自变量的选择
6、 多元线性回归方程中并非自变量越多越 好，原因是自变量越多剩余标准差可能 变大；同时也增加收集资料的难度。故 需寻求“最佳”回归方程，逐步回归分析 是寻求“较佳”回归方程的一种方法。选择变量的统计学标准 R2最大R2 SS回归 SS总 adjR2最大：adjR21MS误差/ MS总 Cp值最小Cp（n-p-1)(MS误差.p/MS误差.全部1）（ p+1)选择变量的方法 最优子集回归分析法：p个变量有2p1个方程 逐步回归分析 向前引入法(forward selection) 向后剔除法(backward selection) 逐步引入剔除法(stepwise selection) H0：K个
7、自变 量为好 H1：K1个自变量为好 向前引入法（forward selection)自变量由少到多一个一个引入回归方程。 将 corr(y , xj)最大而又能拒绝H0者，最 先引入方程，余此类推。至不能再拒绝 H0为止。 向后剔除法（backward selection)自变量先全部选入方程，每次剔除一个使 上述检验最不能拒绝H0者，直到不能剔 除为止。 逐步引入剔除法（stepwise selection)先规定两个阀值F引入和F剔除，当候选变 量中最大F值F引入时，引入相应变量 ；已进入方程的变量最小FF剔除时， 剔除相应变量。如此交替进行直到无引 入和无剔除为止。（计算复杂）多元线性
8、回归方程的作用 因素分析 调整混杂因素的作用 统计预测例：测量16名四岁男孩心脏纵径X1（CM）、心脏横径 X2（CM）和心象面积Y（CM2）三项指标，得如下数 据。试作象面积Y对心脏纵径X1、心脏横径X2多元线 性回归分析。 例：某科研协作组调查山西某煤矿2期高血压病患者40例 ，资料如下表，试进行影响煤矿工人2期高血压病病人 收缩压的多元线性回归分析。Logistic回归多元回归分析可用来分析多个自变量与一 个因变量的关系，模型中因变量Y是边连 续性随机变量，并要求呈正态分布。但在 医学研究中，常碰到因变量的取值仅有两 个，如药物实验中，动物出现死亡或生存 ，死亡概率与药物剂量有关。设P表
9、示死 亡概率，X表示药物剂量，P和X的关系显 然不能用一般线性回归模型PB0B1X 来表示。这时可用Logistic回归分析。内容安排 Logistic回归模型 模型参数的意义 Logistic回归模型的参数估计 Logistic回归方程的假设检验 Logistic回归模型中自变量的筛选 Logistic回归的应用 Logistic回归模型 先引入Logistic分布函数，表达式为：F（x) = ex / ( 1+ex ) X的取值在正负无穷大之间；F(x)则在01之 间取值，并呈单调上升S型曲线。人们正是利 用Logistic分布函数这一特征，将其应用到临床 医学和流行病学中来描述事件发生的
10、概率。以因变量D1表示死亡，D0表示生存，以P（D1X ）表示暴露于药物剂量X的动物死亡的概率，设P（D1X）e Bo+BX /(1+e Bo+BX ) 记Logit(P)=lnp/(1-p),则上式可表示为：Logit(P) Bo+BX这里X的取值仍是任意的， Logit(P)的值亦 在正负无穷大之间，概率P的数值则必然在 01之间。 p/(1-p)为事件的优势， Logit(P)为对数优势，故logistic回归又称对 数优势线性回归一般地，设某事件D发生（D1）的概 率P依赖于多个自变量（x1,x2, ,xp)，且P（D1）e Bo+B1X1+BpXp /(1+e Bo+B1X1+BpX
11、p )或 Logit(P) Bo+B1X1+Bp X p则称该事件发生的概率与变量间关系符合多元 Logistic回归或对数优势线性回归。logistic回归模型参数的意义优势比（odds ratio, OR)：暴露人群发病优势与非暴露 人群发病优势之比。P(1) / 1-p(1)OR= P(0) / 1-p(0)Ln(oR)=logitp(1)-logitp(0)=(B0+B1) (B0+B0)=B可见B是暴露剂量增加一个单位所引起的对数优势的增 量，或单位暴露剂量与零剂量死亡优势比的对数。eB就 是两剂量死亡优势比。常数项B0是所有变量X等于零时 事件发生优势的对数。Logistic回归的
12、参数估计 Logistic回归模型的参数估计常用最大似然法，最大似 然法的基本思想是先建立似然函数或对数似然函数， 似然函数或对数似然函数达到极大时参数的取值，即 为参数的最大似然估计值。其步骤为对对数似然函数 中的待估参数分别求一阶偏导数，令其为0得一方程组 ，然后求解。由于似然函数的偏导数为非线性函数， 参数估计需用非线性方程组的数值法求解。常用的数 值法为Newton-Raphson法。不同研究的设计方案不同 ，其似然函数的构造略有差别，故Logistic回归有非条 件Logistic回归与条件Logistic回归两种。Logistic回归的假设检验1、拟合优度检验：目的是检验模型估计值
13、与实际观察值 的符合程度。SAS程序提供了下列统计量。 A、AIC和SC：对同一份资料，在模型比较中，这两个越 小，表明模型越合适。 B、2LogL：用于检验全部自变量（协变量）的联合作 用。如显著，表明全部协变量的联合作用显著；如不 显著，表明全部协变量的联合作用不大，可予忽视。 C、Score：用于检验全部协变量联合作用的显著性，但 不包截距项。2、偏回归系数的显著性检验：目的是检验回 归模型中自变量的系数是否为零，等价于总 体优势比OR是否为零。H0：B等于零 H1：B不等于零 A、wald检验： B、Score test: C、likelihood ratio test(wald ch
14、i-square test):回归模型中自变量的筛选和多元线性回归分析一样，在Logistic回 归分析中也须对自变量进行筛选。方法 和多元线性回归中采用的方法一样，有 向后剔除法、向前引入法及逐步筛选法 三种。筛选自变量的方法有wald检验、 Score test、likelihood ratio test(wald chi- square test)三种。Logistic 回归的应用 筛选危险因素 校正混杂因素 预测与判别例1：在饮酒与食道癌的成组病例对照研究中，共有200 例食道癌患者和774例非食道癌对照，年龄是混杂因素 ，按年龄分层后资料如下：age 对象（1=病例 0=对照） 饮酒 不饮酒 合计 OR2534 1 1 0 10 9 106 11535-44 1 4 5 9 5.050 26 164 190 45-54 1 25
