统计学教案习题11多元线性回归与logistic回归.doc

第十一章多元线性回归与logistic回归
一、教学大纲要求
(一)掌握内容
:多元线性回归、偏回归系数、残差。
:多元线性回归中偏回归系数及常数项的求法、多元线性回归的应用。
:建立假设、计算检验统计量、确定值下结论。
:模型结构、发病概率比数、比数比。
。
:似然比检验统计量的计算公式;筛选自变量的方法。
(二)熟悉内容常用统计软件(SPSS及SAS)多元线性回归分析方法:数据准备、操作步骤与结果输出。
(三)了解内容标准化偏回归系数的解释意义。
二、教学内容精要
(一) 多元线性回归分析的概念
将直线回归分析方法加以推广,用回归方程定量地刻画一个应变量与多个自变量X间的线形依存关系,称为多元线形回归(multiple linear regression),简称多元回归(multiple regression)
基本形式:
式中为各自变量取某定值条件下应变量均数的估计值,,,…,为自变量,为自变量个数,为回归方程常数项,也称为截距,其意义同直线回归,,,…, 称为偏回归系数(partial regression coefficient),表示在除以外的自变量固定条件下,每改变一个单位后的平均改变量。
(二) 多元线性回归的分析步骤
是与一组自变量,,…,相对应的变量的平均估计值。
多元回归方程中的回归系数,,…, 可用最小二乘法求得,也就是求出能使估计值和实际观察值的残差平方和为最小值的一组回归系数,,…, 值。根据以上要求,用数学方法可以得出求回归系数,,…, 的下列正规方程组(normal equation):

式中
 
常数项可用下式求出:
(三)多元线性回归分析中的假设检验
在算得各回归系数并建立回归方程后,还应对此多元回归方程作假设检验,判断自变量,,…,是否与真有线性依存关系,也就是检验无效假设(), 备选假设为各值不全等于0或全不等于0。
检验时常用统计量

式中为个体数,为自变量的个数。
式中

(四) logistic回归模型结构
设为一组自变量,为应变量。当是阳性反应时,记为=1;当是阴性反应时,记为=0。用表示发生阳性反应的概率;用表示发生阴性反应的概率,显然+=1。
Logistic回归模型为:
同时可以写成:
式中是常数项;是与研究因素有关的参数,称为偏回归系数。
事件发生的概率与之间呈曲线关系,当在之间变化时, 或在(0,1)之间变化。
若有例观察对象,第名观察对象在自变量作用下的应变量为,阳性反应记为=1,否则=0。相应地用表示其发生阳性反应的概率;用表示其发生阴性反应的概率,仍然有+=1。和的计算如下:
这样,第个观察对象的发病概率比数(odds)为,第个观察对象的发病概率比数为,而这两个观察对象的发病概率比数之比值便称为比数比(odds ratio)。对比数比取自然对数得到关系式:
ln
等式左边是比数比的自然对数,等式右边的是同一因素的不同暴露水平与之差。的流行病学意义是在其它自变量固定不变的情况下,自变量的暴露水平每改变一个测量单位时所引起