1.临床预测模型——线性回归

最新推荐文章于 2024-11-01 20:36:41 发布
最新推荐文章于 2024-11-01 20:36:41 发布
阅读量971 收藏 25
点赞数 16
分类专栏： 临床预测模型系统教程 文章标签： r语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/dr_long1996/article/details/135438816
版权
本文介绍了相关和线性回归的基本概念，包括相关系数、直线相关、回归方程及其应用，强调了相关关系与因果关系的区别，以及简单和多重线性回归的条件和检验方法。还讨论了正态性、独立性和方差齐性的重要性，以及如何处理多重共线性问题。
摘要由CSDN通过智能技术生成

基本概念：

相关与线性回归是两个不同的概念。

1.相关

相关：当变量X增加时，变量Y也随着增加或减少，这种现象称为相关。说明两个变量间存在相关关系。

变量数值的分布类型不同，相关可以分为：

  1. 直线相关；linear correlation
  2. 秩相关；rank correlation
  3. 列联相关；contingency correlation

当变量数值不符合正态性或为等级资料时，宜采用秩相关。

列联相关针对的是分类变量。

直线相关（重点）：

1.相关系数

直线相关的正确应用：

  1. 相关关系不等于因果关系；
  2. 相关系数只是衡量变量之间的相关程度，弱相关不一定表明变量之间没有关系；
  3. 直线相关中，极端值对相关系数的影响较大；
  4. 注意相关关系成立的数据范围，在数据范围之外进行外推应谨慎，通常可以内推；
  5. 注意数据的杂间性，可能存在虚假相关。

2. 回归

回归：用回归方程表示变量之间的依存关系。

a的意义：当自变量X=0时，因变量Y的估计值，叫做截距（intercept），a一般没有实际意义，因为X一般不为0。

b，斜率（slope），也称为回归系数（regression coefficient），表示自变量每增加一个单位，因变量Y平均改变b个单位。

简单线性回归的条件：

1.正态性：给定自变量X，因变量Y符合正态分布

2.独立性：各观测的因变量Y之间应符合独立性

3.线性：自变量X与因变量Y之间应符合线性关系

4.方差齐性：因变量的方差不会随着自变量X的改变而改变。

简单线性回归

案例：利用women数据集进行展示：探索30-39岁女性身高和体重之间的关系

str(women)

简单线性回归可以使用基础包中的lm()函数，glm()函数或者rms包中的ols（）函数进行拟合

1. 先进行相关性分析

cor(x=women,method = c("pearson"))

X指定分析的数据集，，method指定进行的分析方法；pearson相关是要求两个变量都服从正态分布，spearman相关系数和kendall's Tau相关系数都是非参数的相关度量，对数据分布没有特殊要求，或者等级资料。

根据中心极限定理：当每组样本量>=50时，可以认为样本的均数近似服从正态分布。所以可以选择person相关，使用函数cor()计算样本的相关系数，method=“pearson”或“spearman”参数。

提示存在高度正相关，r=0.995。

r>=0.7为高度相关，0.4<=r<0.7为中度相关，r<0.4为低度相关（r应该是绝对值大小）

对相关系数进行检验：

cor.test(x=women$height,y=women$weight,method = c("pearson"))

2. 简单线性回归

lmfit<-lm(formula=weight~height,data=women)
summary(lmfit)

回归系数Estimate，回归系数的标准误Std.Error，t检验量，P值

其他重点关注的指标：

R-squared决定系数：0.991，表示模型解释因变量weight变异的百分比，越大越好。也即是weight的99.1%的变异被模型所解释，剩下的0.9%的变异是模型无法解释的，由残差引起的。但是\mathrm{R^{2}}会受自变量个数的影响，夸大自变量对因变量变异的解释程度，自变量越多，\mathrm{R^{2}}越大。Adjusted \mathrm{R^{2}}调整了自变量个数对结果的影响，一般小于\mathrm{R^{2}}。

F统计量：对线性回归方程进行统计检验。

详细可以参考：5. 基础统计方法——关联性分析/简单线性回归-CSDN博客

3.条件检验

线性条件：

plot(x=women$height,
     y=women$weight,
     xlab="height(单位：英寸)",
     ylab="weight(单位：磅)",
     cex=1.5,cex.axis=1.5,cex.lab=1.5)

正态性：

install.packages("mvnormtest")
library(mvnormtest)
mshapiro.test(t(women))

进行双变量正态性检验可以利用mvnormtest包中的msharpiro.test()函数，msharpiro.test()函数不能处理数据框，只能处理矩阵，需要使用t（）将数据集转化为矩阵。

p=0.0046<0.05，即变量weight，height并不符合双变量正态性。数据不符合双变量正态性，若不是严重偏态，使用简单线性回归，结果仍然是稳健。

检测分布特征：

library(car)
scatterplotMatrix(x=women,main="Scatter Plot Matrix",cex=1.5,cex.axis=1.5,cex.lab=1.5)

par(mfrow=c(2,2))
plot(lmfit,cex=1.5,cex.axis=1.5,cex.lab=1.5)

左上角的图用来判断线性关系，随着预测值fitted values的变化，残差residuals不稳定说明可能存在非线性关系。

左下角检测方差齐性，若图中线段两侧的散点随机分布，则说明方差齐性。

右上角的QQ图，确定残差是否分布直线的两侧，判断是否满足正态性。

多重线性回归

案例：前列腺癌的数据（示例可下载）

load("prostate.Rdata")
str(prostate)
prostate<-prostate[,1:9]
summary(prostate)
head(prostate)

10个变量，分表表示lcavol 肿瘤体积大小对数值

lweight前列腺重量的对数值

lbph良性前列腺增生量的对数值

svi 表示是否受侵犯

lcp表示薄膜穿透度的对数值

gleason表示Gleason评分

pgg45表示Gleason评分在4，5多占的百分比

lpsa表示PSA值得对数值，因变量

train表示一个逻辑值（True和False，用来区分训练数据和测试数据。）

！！！！只要不是高维数据，在正式统计分析之前均应该使用str（）函数，summary（）函数，head（）函数和names（）函数，对数据全貌做较为全面得了解。

1.相关性分析

cor.prostate<-cor(x=prostate,method = c("pearson"))
round(cor.prostate,3)

相关性分析可视化

library(corrplot)
corrplot(cor.prostate,method = "ellipse",tl.cex=1.5,tl.col="black",cl.cex=1.5)

method选定为椭圆，函数输入相关性的结果。

相关性热图

#install.packages("ggcorrplot")
library(ggcorrplot)
ggcorrplot(cor.prostate,method="circle",
           hc.order=TRUE,hc.method = "ward.D",
           outline.color = "white",ggtheme = theme_bw(),
           type="upper",lab = TRUE,lab_size = 6,
           colors = c("#6D9EC1","white","#E46726"),
           tl.cex = 18,tl.col="black",tl.srt = 45)

 method设置图形为圆形，

hc.order=T,hc.method="ward.D"表示对变量进行聚类，聚类的算法为ward.D。如果分析的数据变量为代谢组学数据或基因组学数据，聚类就非常重要。

outline.color设置外边框颜色，ggtheme设置图形格式，type设置表示只显示上半部分结果，lab=T，lab_size=6设置显示相关系数，字体大小。colors设置图例的颜色。

2. 多重线性拟合

multifit<-lm(formula=lpsa~lcavol+lweight+age+lbph+svi+lcp+gleason+pgg45,data=prostate)
summary(multifit)
anova(multifit)

anova（）函数可以查看方差分析表

其结果与回归系数表相似，罗列了各自变量是否存在统计学意义。

3.条件检验

plot(multifit,cex=1.5,cex.axis=1.5,cex.lab=1.5)

左上角，残差没有与预测值fitted values由明显的关联，说明呈现线性。

左下角，线段两侧散点随机分布，说明方差齐

右上角，基本在直线上符合正态性。

4.多重共线性

vif(multifit)

方差膨胀因子VIF小于10，即可判断该自变量不存在多重共线性。若大于10，说明存在共线性问题，不可以直接拟合，需要使用降维或者岭回归的方式处理。

5.绘制实际值，预测值图

plot(x=prostate$lpsa,y=predict(multifit),xlab="实际值",ylab="预测值")
plot(x=prostate$lpsa,y=fitted(multifit),xlab="实际值",ylab="预测值")

可以发现实际值与预测值较为一致，说明模型的拟合效果较好。

回归与相关的区别：

  1. 相关系数r没有单位，回归系数β有单位；
  2. 相关表示相互关系，回归表示依存关系；
  3. 对资料的要求不同，当变量X和Y都是随机变量时，可以进行相关和回归分析，当变量Y时随机变量（变量X可控制）时，理论上只能做回归，不能做相关分析。比如变量X为性别。

Dr_long1996
关注
专栏目录
R语言与临床模型预测——LASSO回归，单因素多因素cox，差异表达分析，Venn图，森林图，列线图，矫正曲线，ROC全套代码及解析——第九部分 lasso回归排除具有共线性的基因 本专栏可免费答疑
weixin_46500027的博客
05-12 2154
R语言与临床模型预测——LASSO回归，单因素多因素cox，差异表达分析，Venn图，森林图，列线图，矫正曲线，ROC全套代码及解析——第九部分 lasso回归进一步排除具有共线性的基因
方差膨胀因子(VIF)学习
SCIEIYXK的博客
03-01 2万+
参考博客：https://blog.csdn.net/jiabiao1602/article/details/39177125 1.导入数据,R自带研究共线性的数据集 该数据集有7个变量，其中GNP.deflator可以作为yyy rm(list=ls()) data=longley print(data) 2.对全变量建立回归模型 model=lm(GNP.deflator~.,data=d...
以变量height为身高变量（数据类型为浮点型）；变量weight为体重变量（数据类型为浮点型）。计算三个同学的体重平均值，并按大小顺序输出身高值。
qq_64945316的博客
04-04 364
以变量height为身高变量（数据类型为浮点型）；变量weight为体重变量（数据类型为浮点型）。计算三个同学的体重平均值，并按大小顺序输出身高值。
logit回归模型_常见机器学习模型的假设
weixin_39746241的博客
11-22 1445
> Photo by Thought Catalog on Unsplash暂时忘记深度学习和神经网络。随着越来越多的人开始进入数据科学领域，我认为重要的是不要忘记这一切的基础。统计。如果您不熟悉分析领域，那就可以了！ 我们都是从某个地方开始的！但是，重要的是要意识到我将在本文中分享的机器学习模型假设的存在。很幸运，我在大学时代就已经研究了所有这些概念，所以我认为回到基础知识并撰写一些有关它...
科研学习|科研软件——有序多分类Logistic回归的SPSS教程！
也许有一天我们再相逢 睁开眼睛看清楚 我才是英雄！
11-14 4081
科研学习|科研软件——有序多分类Logistic回归的SPSS教程！
数学建模预测模型实例（一）---大学生体测数据模型
weixin_46263718的博客
11-28 2万+
数学建模预测模型实例–大学生体测数据模型 建立模型的目的 本篇文章中，假设获取到了某大学两个年级共1000人的大学生体质健康测试的每项测试成绩及总分，测试项目包括：身高，体重，肺活量，50m，1000/800，引体向上/仰卧起坐，坐位体前屈。目的是通过前期数据挖掘探索性数据分析等建立大学生体测成绩预测模型，进而在模型里添加天气（温度、湿度、风速）影响因子，模拟得出天气因素对于体测成绩的具体影响程度。 数据分析基本过程包括：获取数据、数据清洗、构建模型、数据可视化以及天气影响下的体测成绩的变化趋势的分析。 数
体重预测[线性回归]
weixin_50185797的博客
07-12 1079
利用线性回归预测体重
width和height对weight的影响
03-26 1454
weight是比重,在线性布局中用来分配各组件的空间. 由于方向要么是竖直要么是水平,以竖直为例来分开说明三个属性的互相影响. 假设有一个竖直排列的线性布局,其中有两个组件,A和B 1.若要A和B严格按照weight比例分配空间,则必须设置两个的height都为0或者都为fillparent. 2.若其中有一个为wrapcontent,且weight设为0,则不管其他组件wei...
如何使用SPSS判断数据的正态分布
nekonekoboom的博客
10-11 2万+
当我们应用统计方法对数据进行分析时，会发现许多计量资料的分析方法，例如常用的T检验、方差分析、相关分析以及线性回归等等，都要求数据服从正态分布或者近似正态分布，但这一前提条件往往被使用者所忽略。因此为了保证数据满足上述统计方法的应用条件，对原始数据进行正态性检验是十分必要的，这一节内容我们主要向大家介绍如何对数据资料进行正态性检验。 一、正态性检验：偏度和峰度 1、偏度（Skewness）：描述数据分布不对称的方向及其程度（见图1）。 当偏度≈0时，可认为分布是对称的，服从正态分布； 当偏度&g
spss正态性检验_两独立样本T检验及如何利用SPSS实现其操作
weixin_39883440的博客
12-09 2万+
上一篇文章我们讲解了有关单样本T检验的相关内容(如何使用SPSS进行单样本检验)，其实论文中除了常用到的单样本T检验以外，还有另外一种T检验的方法也是经常用到的统计方法，也就是两独立样本T检验说到T检验，我们先来回答一个问题：T检验属于单因素分析吗？那么，T检验与单因素方差分析有何关系？一个老师问我说：想分析年龄与SDS变量(抑郁自评量表)是否相关，首先将年龄与SDS做了一个散点图，然后进行线性相...
模型中各变量对模型的解释程度
热门推荐
FanJin的博客
12-02 4万+
在建立一个模型后，我们会关心这个模型对于因变量的解释程度，甚至想知道各个自变量分别对模型的贡献有多少。对于非线性模型，如 Random Forest 和 XGBoost 等由于其建模过程就是筛选变量的过程，可以计算变量的重要性；但对于大多数非线性模型，是比较难确定各个变量的贡献程度，本文仅讨论广义线性模型中的变量贡献程度。因此本文分为两种情况来看：普通线性模型与广义线性模型。 普通线性回归...
教你如何读懂线性回归lm的结果summary（判断显著性）
纸上得来终觉浅
02-13 3万+
from：http://f.dataguru.cn/thread-14689-1-1.html&gt; lm.sol &lt;- lm(Y ~ . ,data=a);summary(lm.sol)Call:lm(formula = Y ~ ., data = a)Residuals:    Min      1Q  Median      3Q     Max -28.349 -11.383  -...
R数据结构&向量基础
qq_47966193的博客
10-29 206
在指定向量数据的前后插入位置用append，其中参数after = 0表示在向量第一个位置前面加元素。seq可以设置间隔（by可省略），中间的数值用逗号连接。names(y)，给向量添加列名（即列属性），之后就可以通过属性名访问对应的数据。R中的向量索引从1开始，索引前面加负号-，表示输出除开这个数的其他数。包括判断查找也不用循环！给向量添加赋值，可以在向量指定位置添加，一个或多个都可以。rep生成重复序列，也可以重复某个向量中的值。x*2+y，比循环化编程效率很多！数值型，字符串型，逻辑型，日期型。
R 数据框
wjs2024的博客
11-01 147
R 数据框是 R 语言中用于存储表格数据的一种数据结构。它是 R 中最常用的数据结构之一，类似于其他编程语言中的数据帧或表格。数据框由行和列组成，每列可以是不同的数据类型，如数值型、字符型或因子型。数据框在数据处理、统计分析和数据可视化中扮演着重要的角色。
生物信息学R语言
m0_46179147的博客
11-01 222
检查R语言安装包和依赖 .libPaths()这里有一个简单的生物信息学分析案例，使用R语言处理基因表达数据。这个示例中，我们将导入模拟的基因表达数据，进行数据预处理（如归一化），并使用主成分分析（PCA）探索样本之间的关系。这个案例可以帮助了解常见的数据处理步骤，广泛用于基因组学、转录组学等分析。
R语言机器学习与临床预测模型79--机器学习总览
pingguocu3的博客
11-01 311
机器学习模型主要分为有监督、无监督和强化学习方法。
C++实现仿安卓线程Handler、Message、Looper的功能
最新发布
tulingwangbo的专栏
11-01 157
在java开发中，习惯使用Handler、Message来处理同步，比如对相机的操作(open、setParamters、start、stop、clost)全部抛到同一个线程处理，防止并发操作导致异常，这样保留给外部的统一接口就是安全的，无论外部哪些线程来调用，最终到控制模块都是在同一线程处理相机操作。本文提供一个C++实现的Handler Message封装，可以实现类似安卓那样的Handler操作；
Unity GameFramework Star Force 拆解（一）—— 启动流程
Siro_sama的博客
10-29 552
第二步是进行语言的配置，首先从GameEntry.Localization中拿出language，然后将其赋值为GameEntry.Setting中存储的Language（当然是在有的前提下），之后对语言进行，检查，是不支持的语言就默认改成英语，这个操作同样要再同步回GameEntry.Setting。第三步是加载资源包变体，GameFramework不仅允许字体的本地化，同时还支援了资源包的本地化，即不同的语言对应了不同的资源包，更加的自由哇！接下来是Procedure的逐步初始化。
OmicsTools软件和R语言分析环境安装配置答疑汇总最新版
qq_40073899的博客
10-29 843
我开发了一款本地电脑无限使用的零代码生信数据分析作图神器电脑软件OmicsTools，欢迎大家使用进行生物医学科研数据分析和作图，不需要学编程写代码，分析次数没有限制，可以无限使用，让您在自己的电脑上快速进行大量的生信分析和加速大家的科学研究我开发的本地零代码全能生信软件在github上的zihaoxingstudy1/OmicsTools仓库中，大家可以下载安装进行各种生信分析和可视化作图。大家想使用我的零代码生信软件在自己电脑分析或者想要找人代做生信分析和科研课题项目都可以跟我联系。
表5-4：甲乙疗法治愈率对比——Logistic回归分析
例如，研究中可能关注高血压、高血脂和吸烟等暴露因素对冠心病发病的影响，而这些因素并不能简单地用线性回归处理，因为结果是“发生”或“未发生”的离散状态。 表5-4提供了两个疗法在普通型和重型疾病中的治愈率...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值