《2015多重回归与非线性回归非线性回归1章节》由会员分享，可在线阅读，更多相关《2015多重回归与非线性回归非线性回归1章节（24页珍藏版）》请在金锄头文库上搜索。
1、非线性回归,医学研究中X和Y的数量关系常常不是线性的，如毒物剂量与动物死亡率，人的生长曲线，药物动力学等，都不是线性的。如果用线性描述将丢失大量信息，甚至得出错误结论。这时可以用曲线直线化估计（Curve estimation）或非线性回归(Nonlinear regression) 方法分析。,绘制散点图，根据图形和专业知识选取曲线类型（可同时选取几类） 按曲线类型，作曲线直线化变换 建立直线化的直线回归方程；作假设检验，计算决定系数 将变量还原，写出用原变量表达的曲线方程 比较决定系数选取“最佳”曲线方程,曲线直线化估计的步骤,曲线形式 （根据生物学机制理论决定）,常见的曲线回归方程,对数
2、：,幂函数：,或,指数函数：,多项式：,或,logistic：,或,一、利用线性回归拟合曲线（例1）,例 上海医科大学微生物学教研室以已知浓度X的免疫球蛋白A(IgA, g/ml)作火箭电泳, 测得火箭高度Y(mm)如表1所示。试拟合Y关于X的非线性回归方程。,（一）绘制散点图，决定曲线类型 （二）曲线直线化变换 =a+blnX,（四）比较决定系数，确定“最佳”方程,（三）建立线性回归方程,回归方程为： =19.7451+7.7771 lnX 方差分析有统计学意义，P0.0000，F763.50，表明回归方程有贡献。 确定系数为0.99，表明回归拟合原资料很好。,用线性回归拟合曲线（例2）,表
3、9-11 25名重伤病人的住院天数X与预后指数Y,（一）绘制散点图，决定曲线类型,（二）曲线直线化变换,（三）建立线性回归方程,回归方程为： 4.037-0.038X 方差分析有统计学意义，P0.0000，F276.38，表明回归方程有贡献。 确定系数为0.9551，表明回归拟合原资料较好。 转换为原方程的另一种形式：,比较两个回归方程可见，对同一份样本采用不同估计方法得到的结果并不相同。 主要因为曲线直线化以后的回归只对变换后的Y*(lnY)负责, 得到的线性方程可使Y*与其估计值 之间的残差平方和最小,并不保证原变量Y与其估计值 之间的残差平方和也是最小。,曲线直线化 非线性最小二乘法,问
4、题：如何判断哪个曲线拟合方程更佳？ 对于本例，几个常见曲线拟合得到的决定系数R2如下（曲线直线化）： 线性（直线）R2：0.8856 (y = 46.4604 -0.7525 x) 幂曲线R2：0.8293 (y = 159.9297 x-0.7191) 对数曲线R2：0.9654 (y = 72.2829 -15.9662 Ln(x) ) 指数曲线R2： 0.9551(y = 56.6651 e-0.0380 x) 二项式曲线R2：0.9812(y = 55.8221- 1.7103 x +0.0148 x2 ),问题：如何判断那个曲线拟合方程更佳？ 对于本例，几个常见曲线拟合得到的决定系数
5、R2如下（非线性回归迭代法）： 线性（直线）R2：0.8856 (y = 46.4604 -0.7525 x) 幂曲线R2：0.8413 (y = 88.7890 x-0.4662) 对数曲线R2：0.9654 (y = 72.2829 -15.9662 Ln(x) ) 指数曲线R2： 0.9875(y = 58.6066 e-0.0396 x) 二项式曲线R2：0.9812(y = 55.8221- 1.7103 x +0.0148 x2 ),原变量Y与 （直线或曲线方程得到）间相关系数的绝对值相关指数R 线性（直线）R：X与Y间相关系数绝对值 幂曲线R： lnX与lnY间相关系数绝对值 对
6、数曲线R： lnX与Y间相关系数绝对值 指数曲线R： X与lnY间相关系数绝对值 二项式曲线R： （1SS残差/SS总）,R的计算（曲线直线化）,原变量Y与 （直线或曲线方程得到）间相关系数的绝对值相关指数R 线性（直线）R：X与Y间相关系数绝对值 幂曲线R： lnX与lnY间相关系数绝对值 对数曲线R： lnX与Y间相关系数绝对值 指数曲线R： X与lnY间相关系数绝对值 二项式曲线R： （1SS残差/SS总）,R的计算（非线性回归）,散点图辨析,如果条件允许最好采用非线性回归（Nonlinear Regression）拟合幂函数曲线与指数函数曲线 注意绘制散点图，并结合专业知识解释,采用SAS进行曲线拟合,采用SPSS进行曲线拟合,曲线直线化 Analyze Regression Curve Estimation 可选Power 、Logarithmic、Exponential、Quadratic、Cubic 等,非线性回归 Analyze Regression Nonlinear 设置模型： Model Expression 参数赋初值：Parameters,
