6.常用统计分析方法——多重线性回归

最新推荐文章于 2024-10-28 17:50:19 发布

Dr_long1996

最新推荐文章于 2024-10-28 17:50:19 发布

阅读量6.5k

点赞数 1

分类专栏： R语言临床统计分析文章标签： r语言

本文链接：https://blog.csdn.net/Dr_long1996/article/details/131090522

版权

多重线性回归

多重线性回归模型(Multiple Linear Regression Model)即描述因变量Y如何随多个自变量X的改变而改变。假定对n例观察对象逐一测定了因变量Y与m个自变量X1、X2、…、Xm的数值，多重线性回归模型的一般形式为：

$\textrm{Y}=\beta _{0}+\beta_{1}X_{1}+\beta _{2}X_{2}+\cdot \cdot \cdot +\beta _{m}X_{m}+e$

式中β0为常数项，又称截距。β1、β2，…，βm称为偏回归系数(partial regression coefficient)或简称回归系数。

e则是去除m个自变量对Y的影响后的随机误差(即残差)。

一、多重线性回归的条件：

二、多重线性回归分析一般可分为两个步骤：

1. 拟合多重线性回归方程

使用lm(因变量~自变量1+自变量2+自变量3...+自变量n，data=mydata)的形成拟合线性回归方程。

2. 模型检验及评价

复相关系数

R= $\sqrt{R^{2}}$ ：称为复相关系数(multiple correlation coefficient)，可用来度量因变量Y与多个自变量间的线性相关程度，亦即观察值Y与估计值之间的相关程度

如果只有一个自变量时， $R=\left | r \right |$ ，r是简单相关系数。

案例：ISwR包中自带数据集cystfibr是25例囊性纤维化患者的基本信息和肺功能信息。其中包含的变量有性别、年龄、身高、体重，BMI，用力呼气量（fev1），残气量（rv），功能性残气量（frc），最大肺活量（tlc），最大呼气压力（pemax）。

library(ISwR)
data(cystfibr)
str(cystfibr)#查看数据结构类型
#分类变量因子化
cystfibr$sex <- factor(cystfibr$sex,labels = c("male","female"))

因为结局指标肺功能的参数较多，现选择其中fev1作为结局的分析指标。

cor(cystfibr[,6:10])

可以发现肺功能指标之间存在较高的相关性，因此选择其中一个作为分析。

fit1 <- lm(fev1 ~ age + sex + height + weight + bmp, data = cystfibr)
#线性拟合
summary(fit1)

多重线性的分析结果可以F