临床流行病学应用研究室-多元线性回归(ppt87)-经营管理(编辑修改稿)

临床流行病学应用研究室-多元线性回归(ppt87)-经营管理(编辑修改稿)内容摘要：

o g l o b i n , g )b . F=,P=,结论同上。 （五）回归系数的检验及结果 C o e f f i c i e n t sa1 . 3 8 0 1 . 5 4 9 . 8 9 0 . 3 8 2 1 . 8 2 6 4 . 5 8 56 . 9 E 0 2 . 0 2 8 . 3 0 4 2 . 5 0 0 . 0 2 0 . 1 2 7 . 0 1 2 . 0 9 7 . 4 6 2 . 2 2 82 . 8 2 5 E 0 2 . 0 5 3 . 0 7 9 . 5 3 4 . 5 9 9 . 0 8 1 . 1 3 8 . 5 6 9 . 1 1 1 . 0 4 92 . 7 9 3 E 0 2 . 0 0 4 . 8 2 1 6 . 7 3 0 . 0 0 0 . 0 1 9 . 0 3 7 . 8 6 3 . 8 1 4 . 6 1 21 6 . 5 7 7 1 6 . 4 1 4 . 1 0 6 1 . 0 1 0 . 3 2 3 5 0 . 5 3 3 1 7 . 3 7 9 . 3 2 3 . 2 0 6 . 0 9 21 . 7 1 5 1 . 1 4 3 . 2 0 5 1 . 5 0 1 . 1 4 7 . 6 4 9 4 . 0 7 9 . 2 4 8 . 2 9 9 . 1 3 7( C o n s t a n t )钙（C a )镁（M g )铁（F e )锰（M n )铜（C u )M o d e l1B S t d . E r r o rU n s t a n d a r d i z e dC o e f f i c i e n t sB e t aS t a n d a rd i z e dC o e f f i ci e n t st S i g . L o w e r B o u n d U p p e r B o u n d9 5 % C o n f i d e n c e I n t e r v a lf o r BZ e r o o r d e r P a r t i a l P a r tC o r r e l a t i o n sD e p e n d e n t V a r i a b l e : 血红蛋白（ H e m o g l o b i n , g )a . 建立回归方程 （铜）（锰）（铁）（镁）钙）(y（六）残差直方图 Regression Standardized Residual.75.50.25HistogramDependent Variable: 血红蛋白（Hemoglobin,g)Frequency6543210Std. Dev = .91 Mean = N = （七）残差正态累计概率图 Normal PP Plot of Regression Standardized ResidualDependent Variable: 血红蛋白（Hemoglobin,g)Observed Cum ProbExpected Cum Prob.75.50.25（八）散点图 ScatterplotDependent Variable: 血红蛋白（Hemoglobin,g)Regression Standardized Predicted Value血红蛋白（Hemoglobin,g)1614121086(九 )绘制个体值及估计值与实测值回归线的可信区间 ScatterplotDependent Variable: 血红蛋白（Hemoglobin,g)Regression Standardized Predicted Value血红蛋白（Hemoglobin,g)1614121086结果讨论： 统计分析结果应结合专业知识进行分析，分析统计结果是否符合专业实际解释。 回归方程效果的检验： eXBXBXBBy PP  ....ˆ 22110 回归效果的检验： 建立了回归方程后，需要进行显著性检验，以确认建立的回归模型是否很好的拟合了原始数据，即回归方程是否有效 ,利用残差分析，确定回归方程是否违反了假设理论，对方程中的各自变量进行检验，首先假设总体的各自变量的系数或常数项为均 0，通过检验以便在回归方程中保留对因变量 Y估计更有效的自变量，来确定回归模型是否有效。 由于有等方差为前提条件，利用残差均方 σ 2的估计 S2进行回归效果的检验。 这里假设 p+1个系数是从总体回归系数 β 0 ,β 1,… ,β P全为 0的总体中作随机抽样来的，由于是样本，必然存在抽样误差，因此需要对回归系数进行检验。 建立检验假设和备择假设 H0 : β 0=β 1=… β P =0 , H1 : β 0 ,β 1 ,… ,β P 不全为 0 计算总的 离均差平方和 、 回归平方和 （回归的贡献就在于使估计值与观察值间的差距缩小，缩小的这一部分叫回归平方和）及残差平方和，首先计算回归均方及残差均方（回归均方及残差均方分别除以他们的相应的自由度）得到均方 ,再求 F值，最后进行判断。 判断结果 根据检验水平 a，查 F值表， Fa，若 F≥ Fa ， P a，则拒绝 H0 ，可认为回归效果具有统计学意义，否则，接受 H0。 复相关系数 R R表示因变量与自变量之间线性相关密切程度的指标，。