生物统计学：第10章 多元线性回归分析及一元非线性回归分析课件.ppt

《生物统计学：第10章 多元线性回归分析及一元非线性回归分析课件.ppt》由会员分享，可在线阅读，更多相关《生物统计学：第10章 多元线性回归分析及一元非线性回归分析课件.ppt（35页珍藏版）》请在三一办公上搜索。

1、第10章 多元线性回归分析及一元非线性回归,多元线性回归（multiple Linear regression）,一、多元线性回归模型 在回归问题中，一个量只受一种因素影响的情况是较少的，往往是很多因素共同影响一个量。 例如，农作物的产量，除受种植密度影响之外，还受施肥量、灌水量和田间管理次数等的影响。 例如，动物体重的增加与饲料中蛋白质含量、饲料总量和每日透料次数等都有关。 特别是当几个自变量之间还存在相关时，只考虑一个自变量与因变量的关系，往往得不到正确的结果。必须同时考虑几个因素的共同作用，才能得到比较正确的结论。这就是我们要讨论的多元回归问题。,一个典型的多元回归资料，可以列成下表。,

2、表 10.1 典型的多元线性回归数据,第p 次观察值为：,其中e1，e2， ，en是相互独立且服从正态分布的随即变量。该式即所谓的多元线性回归模型。,多元线性回归和一元线性回归一样，用最小二乘法求a和bj 的估计值a和bj 。所不同的是，一元回归中，只需求出a和1个b，而多元回归中则需求出a和k个b。用a和b1，b2， ，bk 分别表示a和b1，b2， ，bk 的估计值。根据最小二乘法，回归方程,其中的a和bj应使得全部实际观察值,与回归估计值p的离差平方和达到最小。,将方程组整理 ，可得,正规方程,解上述方程组，可以得到b1，b2，b k。a由（1）式给出，,由实际观察值，计算得到的bj是b

3、j的无偏估计量，a是a的无偏估计量，于是得到多元回归方程：,其中a为常数项；b1，b2， ，bk分别称为Y对X1，X2， ，Xk的偏回归系数（partial regression coefficient）。它表示当其它自变量都固定时，该自变量每变化一个单位而使因变量平均改变的数值。,二、多元回归方程的计算 例10.1 为研究黄牛的体重与体长和胸围的关系。测定了20头鲁西黄牛的体长、胸围和体重，试建立体重对体长和胸围的回归方程。 （教科书中p150）,解 将数据按表中的要求整理好，然后计算,于是得出二元回归方程,方程中的3.03和3.80都称为偏回归系数。偏回归系数是指在其它自变量都固定时，其中

4、一个自变量对因变量的影响。,列出正规方程，因为只有b1和b2两个未知数，可解二元联立方程组。常数a可根据各变量的平均值求得。,在上述两个自变量同时影响一个因变量的情况下，只有用二元回归分析，才能得到可靠的结果。若只考虑其中的一个因素，用一元回归分析，另一个因素并不固定，这时所得到的回归系数b，并不能真正表示该变量对因变量贡献的大小。例如，上例中若只考虑体长对体重的影响，回归方程为：,这时体长每变化一个单位，体重平均改变4.608个单位，远远大于二元回归中的b1。若只考虑胸围对体重的影响，回归方程为：,其回归系数亦不同于二元回归中的b2。特别是当两个自变量之间有密切相关时，差异就更大，甚至得出相

5、反的结论。,三、多元线性回归方程的显著性检验 多元线性方程求出后，往往需要做关于模型参数的检验。在多元线性回归模拟中，随机误差是服从正态分布的随即变量。因此，Y亦为独立正态随机变量。在多元线性回归中，关于回归显著性检验的假设是：,拒绝H0意味着至少有一个自变量对因变量是有影响的。,检验的程序与一元的情况基本相同，即用方差分析的方法。将总平方和分解为回归平方和与剩余平方和，,回归平方和由下式计算，,剩余平方和，,总的自由度为n1，回归项的自由度等于自变量的个数k，剩余项的自由度为本nk1。下面对例10.1的回归方程做显著性检验。回归平方和与剩余平方和分别为：,列成方差分析表：,拒绝H0：bj0。

6、结论是Y与Xj之间的回归关系极显著。,四、偏回归系数的显著性检验 如果回归方程显著性检验的结果是显著的，说明回归系数中，至少有一个bj0，但并不能证明所有的bj0。因此，在回归方程中，可能存在非主要因素。在实际应用时，希望能从方程中剔除不重要因素，从而建立一个比较简单的回归方程，以利于对Y做预报。这就需要确定在一个方程中，哪些因素是主要的，哪些因素是次要的。,例10.1 的两个偏回归系数的显著性检验如下：,bj服从正态分布，可以用t检验对bj的显著性做检验。,t17,0.01(双)=2.898p1=0.00088，p2=9.5310-6,因此，体长和胸围对体重的贡献都是极显著的。,五、复相关系

7、数和偏相关系数（一）复相关系数(multiple correlation coefficient) 在一元回归中，回归的显著程度可用相关系数来表示。同样在多元回归问题中，可以用复相关系数表示。对于一个多元回归问题，Y与X1，X2， ，Xk 的线性关系密切程度，可以用多元回归平方和与总平方和的比来表示。因此复相关系数由下式给出，,复相关系数R等于实际观察值Y与回归估计值 之间的简单相关系数，,对复相关系数的显著性检验，相当于对整个回归的方差分析。在做过方差分析之后，就不必再检验复相关系数的显著性，也可以不做方差分析。,例10.1的RY1，2为：,从附表（相关系数检验表）中查出，当独立自变量个数k

8、2，剩余自由度为17时的R0.010.647，RY1，2R0.01，因此，Y与Xi之间存在着显著相关。,（二）偏相关系数(partial correlation coefficient) 复相关系数反映了Y与所有自变量之间回归关系密切的程度。 在多元回归中，还经常希望了解Y与各个自变量两两之间的关系，或两个自变量间的关系。在多变量问题中，变量间的关系是很复杂的，每两个变量间都可能存在相关。因此，两变量间的简单相关系数，往往不能反映两变量间的真正关系。为了反映两变量间的真正关系，就要保证在其它变量都保持不变的情况下，计算它们的相关系数，这时的相关系数称为偏相关系数。,六、逐步回归分析(stepw

9、ise regression analysis)一、最优回归方程的选择 我们应用多元回归方程分析问题时，应当是最优的回归方程。所谓最优回归方程就是指方程中包括全部对Y显著的变量，而不包括对Y不显著的变量。 可以通过以下方法，选择最优回归方程。,1. 从全部变量可能组合的回归方程中，选择最优者。 在例10.1中，全部可能组合的回归方程共有3个，即包括两个一元回归方程和一个二元回归方程。对每个方程的每一个回归系数做显著性检验，并计算每一个方程的剩余平方和及剩余方差，从中选出包含的全部变量均为显著因素且剩余方差又较小的方程，这就是这3个方程中的最优方程。 用这种方法选最优方程，一定能够成功地选择出来

10、。当因素比较少时是可行的，但当因素较多时则行不通。例如，当有5个因素时，可能有25131个方程，计算这么多方程，并对每一回归系数做检验，实际上非常困难。,2从含全部变量的回归方程中，逐次剔除不显著因素。 先建立全变量的多元回归方程，然后按进行回归系数的显著性检验，将不显著的因素逐次剔除，直到方程中剩余的全部是显著因素时为止。当不显著因素较少时，使用这种方法选择最优回归方程是可行的。,3逐步回归方法。 也是从一个自变量开始，按自变量对Y的作用的显著程度，逐个地引入回归方程中。当先引入的变量，由于后引进的变量的影响而变得不显著时，则随时将它们从方程中剔除。从而保证在每引入新的变量之前，回归方程中均

11、为显著变量，直到没有显著变量可引入时为止。,二、逐步回归的计算方法 对于逐步回归的问题，深入了解需较多的线性代数知识，实际应用时，由于计算工作量相当大，多数都是由计算机来完成。在这里只能将逐步回归的最基本原理及计算过程做一简单介绍。,逐步回归的基本做法,在所考虑的全部因素中，按对Y作用显著程度的大小，由大到小逐个引入到回归方程中。在已引入回归方程的变量中，找出偏回归平方和的最小的一个，在给定F水平下做显著性检验，以决定是否需从方程中剔除在剔除了所有不显著变量之后，从未纳入到回归方程的变量中，选择在引入回归方程后，使回归平方和增加最多的那个变量，并在给定的F水平下做检验，若是显著的，则引入回归方

12、程中。引入之后，再对回归方程做检验。并剔除方程中不显著因素。以此类推，直到回归方程中全部变量均不能剔除，又没有新变量可以引入时为止。 逐步回归分析主要过程是求解正规方程和系数矩阵的逆矩阵，并对每一过程做方差分析和F检验。,一元非线性回归,生物学中两个变量间呈曲线的例子很多，如细菌生长的数量与时间的关系，年龄与身高的关系，作物种植密度与产量的关系，辐射强度或药物与致死率的关系等都呈曲线关系。 如何确定两变量间的关系：根据专业知识或散点图。 确定两变量间的函数关系后，如果通过适当变换(transform) ，可将曲线化为直线，再按直线回归处理。例：培养基上细菌生长的数量（Y）在一定时期内与时间（X

13、）呈指数函数 YaebX关系。例：生物体的生长，不论是整体还是它们的重量、表面积、高度、细胞数，甚至蛋白质含量的增长与时间都是呈S形曲线关系。,一、曲线回归的线性化及线性化的方法 如果我们从专业知识上，可以确定两变量间所呈函数关系，则可直接将曲线划为直线。,如，许多生物化学反应中反应速率与反应物浓度两变量间呈幂函数 YaX b关系，将等式两边取对数，,令：Ylg Y， alg a， lg ，则方程变为：,如，细菌生长数量（Y）与时间（X）呈指数函数关系YaebX，将等式两边取自然对数（或者取常用对数），,令：Y=ln Y， a=ln a， 则可变为线性回归方程，,至于对数函数 Y=a+lnX，

14、只要令X lnX 即为线性方程：,若经以上三种变换，均不能直线化，则应考虑使用其他的方法做变换。,例 1 （p168） 在凝血实验中，测定15只鸡的维生素K摄入量X与添加血凝剂浓度Y，求Y对X的回归关系。,先在直角坐标系上做散点图，判断X和Y是否存在线性关系。 根据散点图情况选择适当的曲线来配合实验数据，进行数据变换。,由于在对数变换（即logX和logY）的直线化程度最高。因此，令：,则 Y = a+bX,可以按照一元线性回归进行分析。byx= -1.89, a=3.01因为a=log a，所以 a=1023.29所以，Y = aXb=1023.29X-1.89,二、曲线配合的拟合度 一般情况可用剩余均方的大小，来判断拟合的优劣，剩余均方愈小，拟合愈好。但计算剩余平方和时，必须用实际观察值与回归估计值之差的平方和计算。,可见幂函数的决定系数远远大于线性的，即剩余均方更小。因此幂函数回归比线性拟合得好，为了得到最理想的回归关系，最好多做几种变换，从中选出最优者。,