实习四-回归分析

简单线性回归，多元线性回归，逻辑回归，Cox回归，lujie email: hanyaa800 郑州大学公共卫生与健康统计系，实习4回归分析，回归分析，变量Y，自变量X，自变量X，自变量2个以上X，示例18-3(P366，实验18-3)；选择实习内容：Cox回归分析：实例19-2(P390，实验19-2，实验19-3)，(a)线性回归分析，实例12-1:大气污染一氧化氮(NO)浓度和汽车流量，例如：只考虑NO浓度和汽车流量的关系，询问之间是否存在数量依赖性？1 .简单线性回归条件，仅适用于单变量x和一个对应变量y。数据必须满足线性、独立性、正则性、分布式同质性的要求。在示例中注意极值，如果需要，可以删除或执行变量转换。简单线性回归，线性回归分析的步骤：计算机实现简单线性回归分析，1。数据输入，2 .散点图：3。阅读线性趋势判断的散点图，4 .线性回归分析：SPSS计算机实现，5。结果和结果输出：回归分析结果：1。车辆流量为零时空气否浓度的预测值为-0.135，(因为此值不能为负值，所以肯定是理论值)2。车辆流量每增加一个单位，空气否深度的预测值就会增加0.158。3.结晶系数R2=65.27%表示空气中总常开触点浓度波动的65.27%表示空气污染对汽车流的影响仍然很大。统计应用-预测：当车流量为1300辆时，寻找空气中95%的一氧化氮允许区间。a:已知回归方程，X=1.300小时：因此空气中允许的间隙98%为：回归方程的应用-预测，单个预测值和95%基准间隔的保留，应用统计-控制：城市为降低空气中常开触点的含量，应用车辆流，已知回归方程，a:因此，城市单位每小时车辆流量必须控制在1500辆以内，最多不得超过1800辆，否则会产生轻微污染。例12-1:尝试对大气污染一氧化氮(NO)的浓度与汽车流量、温度、奇袭、风速等关系进行回归分析。2 .多重线性回归条件，仅适用于单一变数y和多重变数x。需要变量y和组1来满足变量x之间的线性、独立、正则、分布式同质性的要求。在示例中注意极值，如果需要，可以删除或执行变量转换。多重线性回归(multiplelinarregression)，3，3。多元线性回归分析的基本步骤：估计B0，B1，b2，bP，最小二乘，回归方程和系数的假设检验，回归方程，统计应用，方差分析和t检验，预测和控制，影响因素分析，相关数据输入，2 .分布式矩阵，图形输出：参数的输入方法Enter(强制输入方法)Stepwise(逐步删除)Remove(反向)Backward(正向)，选择参数过滤方法：statisticsconfidence intervals:95%非规格化回归系数的置信区间。Modelfit:模型管接头适用性测试、提供复合相关系数r、确定系数R2、调整R2和方差分析结果Rsquaredchange:聚合为一个参数的R2的变化量及其f值和p值。Descriptives:输出每个变量的平均值、标准差、样例容量、相关系数和单侧检查p值的矩阵。Partandpartialcorrelations:简单相关系数和部分相关系数。Collinearitydiagnostics:输出共线性诊断的统计量。Residuals:用于选择输出残差诊断的信息Allcases:提供所有观测单位的残差、标准化残差和预测值。Plots，标准化残差，标准化预测值，1。先决条件和残差分析模型诊断2。多公选问题3。哑巴变量的设置4。交互，输出结果：1。多重共线性分析的应用条件诊断：1。线性和方差同质性：残差分布式电阻双脉冲，模型假设诊断：LINE，在分布点围绕零均匀分布且平行于水平轴的带状区域中，可以认为满足线性和方差同质性的基本前提条件。分布表示曲线的趋势，提示数据不满足线性假设。方差随预测值的变化而变化，提示数据不满足方差同质性的假设。山点随预测值的变化而变化，具有曲线倾向。提示数据不符合线性和分布式同质性的假设。SPSS计算机实现，3 .线性和方差同质性测试结果残差分布式图：分布点围绕零均匀分布，在与横轴平行的带状区域内基本上可以认为满足线性和方差同质性的假设条件。2 .正状态：残差图residualplot或正概率图，提示残差满足正态分布，3。独立：应用残差图或Durbin-Watson统计判断，Durbin-Watson统计信息的值通常在0-4之间，如果残差之间独立，则约接近2、0或4，提示不满足独立性。SPSS计算机实现，3 .独立性测试：如果、残差相互独立，则值约为2。11.3.3多公线，在执行多线性回归分析时，不只是LINE，变量之间不应该有公线性。换句话说，变量之间必须相互独立。这需要进行公共选举诊断。如果参数是任意变量，且它们之间高度相关，则变量之间存在多重共线性。参数之间没有多重共线。也就是说，它们相互独立。相关系数Correlation容差Torelance方差扩展系数VIF条件数Conditionindex方差比Varianceproportions，VP方差相关矩阵VarianceMatrix用于确定变量之间的独立性，或确定多个共线性，两个参数之间的相关性，相等线性诊断1。两个参数之间的相关系数，2 .公差公差/漫射膨胀系数VIF，经验表明，VIF大于5或10时具有严重的共线性。通常，Tolerance必须大于0.1或VIF必须小于10。3 .条件数conditionindex/方差比varianceproportions，VP，通常情况下，如果条件数大于10，对应于多个自变量的方差比大于0.5，则可以将这些自变量视为严重相关。2。多重线性回归分析的结果输出：决定系数越大，说明回归方程越好，决定系数越大。STEPWISE:逐步回归方程的确定系数，逐步回归方程的方差分析表，STEPWISE影响因素分析：根据SPSS输出结果，车辆流动、温度和风速可以视为影响空气中NO浓度的主要因素。车辆流量增加1，000辆，预计常开触点浓度平均增加到0.1110-6。据推测，气温每升高1 ，平均0.00410-6的浓度就会升高。风速增加1m/s时，NO浓度平均降低到0.03510-6。3.根据标准化部分回归系数，考虑了作用车辆流量温度风速。4.根据决定系数，方程3因子可以说明污染变异的78.7%。，1 .回归方程，(2)逻辑回归分析，例18-1为了解特定药物引起的临床上消化道出血，进行了大样本安全性评价。服用该药的47136人中，有155人显示上消化道出血。同期未服药的44634例中，上消化道出血96例。X=1:药物X=0:无药物，分配：Y=1:消化道出血Y=0:无消化道出血，3.logistic回归模型拟合阶段：估计参数：0，1，正面事故发生概率大小预测2。分析影响因素并量化其作用，计算机实现-SPSS，1 .数据输入，逻辑回归分析：注：通常将正面事件定义为1；语音事件定义为0。2 .数字权重，3。SP