SAS回归分析2.ppt

1、一、基本回归诊断,1、残差诊断（残差=观测值-预测值）,例某房主记录了21天中每天电表读数(kwh)以及空调使用的小时数(ac)和烘干机使用的次数(dryer)，以kwh为因变量，ac和dryer为自变量拟合线性回归，用残差分析的方法进行回归诊断，判断模型中是否需要增加一些项。 进入分析员应用环境 并打开数据集 单击Statistics/Regression/Linear kwhDependent; ac,dryerExplanatory /backward(选后退法) /Residual /plot residuals vs variables (请求绘制残差图 ) Residuals/Or

2、dinary，绘制标准化残差 variables栏下选择Independents，绘制自变量的残差图 结果：要考虑dryer的二次项,例对上题数据，在INSIGHT中进行二次项的分析。 进入SAS/INSIGHT，打开数据集 Analyze/Fit(y x) kwhy acx dryerExpand(选择3次) OK 结果分析：二次项与三次项都不显著。,Type Tests与Type Test,Type III Tests 检验：所有自变量加入的情况下检测各自变量的显著性 Type I Tests 检验：加入高次项，所有的底次项才可引入。 多项式回归不宜用Type III Tests 检验。

3、在结果窗口中选择Tables/Type I Tests 结果分析：二次项显著，三次项不显著，可在结果窗口中删除三次项。,例对于学生体检数据，进行共线性诊断。 进入INSIGHT打开Children数据集 Analyze/Fit(y x) Weighty age,height,bustx Ok 结果表明应去掉截距项，再作共线性分析 Tables/collinearity Diaghostics 结果：Height与bust具有共线性,2、共线性分析,二、Logistic回归,当因变量的值是阴性与阳性、是与否的情况时，用Logistic回归分析 某种结果发生与否的概率为因变量，影响结果发生的因素为

4、自变量建立回归模型,二、Logistic回归,Logit变换：,当p在（0，1）中变化时，Logit(p)就在（-，）中变化,二、Logistic回归,Logit变换就可以将变量Y取某个值的概率p的Logit变换表示为自变量的线性函数,该模型就称为Logistic回归模型 在拟合Logistic回归模型时，是要建立因变量概率pi关于自变量的关系式,优比率,Logistic回归模型是一种概率模型，在临床医学中可用于鉴别诊断 令：,将发病的概率记为P，可知不发病的概率为1-P 令：,xi=1时的优势为：P1/(1-P1)；xi=0时的优势为：P0/(1-P0),优比率,流行病学的常用指标优势比（o

5、dds ratio）,即：暴露人群发病优势与非暴露人群发病优势之比 ，也称优比率。,例饮酒与食道癌发病关系的分析,1977年Tuyns等在法国llle-et-Vilaine(Brittany)地区的一所医院收集了200例食道癌患者与775例对照进行病例对照研究，探讨饮食与发病的关系，考虑到年龄这一混杂因素的干扰，按每10岁一组共分为6组。危险因素饮酒分为两个水平：每天饮酒量少于80克者为非接触（x=0），80克为接触（x=1），年龄组范围为：1组：25，2组：35，3组：45，4组：55，5组：65，6组：75 （数据集为logit）,饮酒与食道癌发病关系资料（200例食道癌与775例对照数据

6、）,二、Logistic回归,进入分析员应用环境 并打开数据集 选择Statistics/Regression/Logisti YDependent，xQuantitative /countFrequency 点击Model右侧的箭头，并选0（y=0为发病） ok,例50例急性淋巴细胞性白血病病人，在入院治疗时取得了外周血中的细胞数x1（千个/mm3）、淋巴结浸润等级x2（分别为0，1，2，3四级），出院后巩固治疗x3（有巩固治疗为1，无巩固治疗为0），并随访取得病人的生存时间T（月），变量Y（生存时间1年以内为0，1年以上为1）,分析过程,进入分析员应用环境 并打开数据集 选择Statist

7、ics/Regression/Logisti YDependent，x1,x2,x3Quantitative 点击Model右侧的箭头，并选0（y=0） Ok 结果中有不显著的自变量，用逐步法选择自变量 /selection/stepwise selection X1,x2移出模型。结果：x3的优比为0.064,表示无巩固治疗一年内的生存时间为有巩固治疗的0.064倍。,三、判别分析,判别分析是多元统计分析中用于判别样品所属类型的一种统计分析方法 进行判别分析时通常是根据已知样本的分类及所测的指标，筛选出能提供较多信息的指标，从而建立判别方程，使其错判率最小 DISCRIM过程：用于不筛选变量的多类别判别分析 STEPDISC过程：逐步判别分析。它通过筛选变量，舍弃包含信息量少的变量，将能充分揭示各类之间判别的变量引入判别函数,DISCRIM过程,PROC DISCRIM DATA=数据集名 TESTDATA=数据集名 LIST TESTLIST ； CLA