proc reg data=h.image_area;
model y=x1-x5/collin tol vif;
run;
模型总体拟合数据很好(p=0.0002,调整R方=0.92)。从参数估计结果中得知,所有自变量均对因变量y不具有统计意义(p>0.36);此外,自变量x5(胸围)回归系数为负,难以从专业上进行解释,说明自变量之间存在共线性。从共线性诊断结果知,自变量x2与x3间,还有自变量x1、x4、x4间存在较为严重的共线性(方程膨胀因子=428.93475≫10,条件指数=262.32546≫30)。
(2)回归模型的最小二乘法估计 前进法: proc reg data=h.image_area;model y=x1-x5/selection=forward slentry=0.1 slstay=0.15;
run;
model y=x1-x5/selection=backward slentry=0.1 slstay=0.15;
run;
proc reg data=h.image_area;
model y=x1-x5/selection=backward slentry=0.1 slstay=0.15;
run;
proc reg data=h.image_area;
model y=x1-x5/selection=rsquare best=2 cp aic rmse adjrsq;
run;
proc princomp data=h.image_area out=h.image_area1 prefix=prin;
var x1-x5;
run;
proc reg data=h.image_area1;
model y=prin1 prin2/stb;
run;
将主成分prin1和prin2的表达式代回上述回归模型中,得到应变量y对标准自变量X1~X5的线性回归模型如下:
y=58.939231-2.670185X1+5.870946X2+5.734818X35.501311X4
+5.785850X5
这里,Xi是标准指标变量,i=1,2,3,4,5。
(6)将标准变量还原为原始自变量,得到原始自变量的回归模型结合原始自变量的均值和标准差(StD),将(5)中PCR模型中标准自变量转换为原始自变量,得到因变量y关于原始自变量 x1~x5回归方程: y=0.617559-5.14611x1+0.099217x2+0.195303x3+0.317828x4 +0.449827x5这就是采用PCR方法求得的线性回归模型。变量x5的系数估计值是0.4498,和相关系数符号一致。 3. 小结 本文旨在介绍PCR分析的概念、作用以及用SAS软件实现计算的方法。先对自变量进行PCA分析,然后将主成分变量视为新的自变量,再进行多重线性回归分析。本文实例结果表明,当自变量组存在严重的共线性时,相对普通最小二乘回归,PCR方法得出的回归模型更为合理。 当自变量间不存在简单线性相关关系时,向前法、向后方及逐步回归法计算的结果一致。当自变量间存在一定程度的线性相关关系时,前进法侧重于向模型中引入单独作用较强的变量,向后法侧重于向模型中引入联合作用较强的变量。逐步回归法介于两者之间。三种方法的共同局限性是选入或剔除自变量单纯以a水平为准,而没有从专业上去考虑。此外,当选入或剔除自变量的a水平较小时,逐步回归法选取的自变量往往过少。本文中实例表明,逐步回归法选取的变量为x2(年龄),但问题来了:凭常识都知道,儿童年龄与心象面积成正相关,该回归模型没有实际意义。 依据 AIC 和BIC最小诊断原则、 自变量之间相关性及专业常识,与本文实例数据相匹配的最优模型为 x1(性别)、x3(身高) ,回归方程为: y=-23.75722-4.93974x1+0.76978x3 。 本文实例中,采用PCR方法拟合得出的回归方程为:y=0.617559-5.14611x1+0.099217x2+0.195303x3+0.317828x4 +0.449827x5,该回归模型虽很好地拟合了数据(p=0.0001,调整R方=0.93),但依据回归方程自变量筛选的“少而精”原则,该模型并非最优回归模型。可见,PCR没有筛选变量的能力,只是对已经确定的变量进行重新组合分配。当自变量较多(如十多个或几十个)时,直接使用PCR意义不大,必须先进行变量筛选,对有意义且相关性较强的变量进行PCR分析。总之,不要急于采取PCR分析方法,而应首先考虑改变筛选自变量策略来提升模型拟合效果。 参考文献 [1]胡良平.主成分分析应用(Ⅰ)——主成分回归分析[J].四川精神卫生,2018,31(02):128-132.[2] 张家放. 医用多元统计方法[M]. 武汉:华中科技大学出版社,2002.
[3] 冯国双,罗凤基. 医学案例统计分析与SAS应用[M]. 北京:北京大学医学出版社,2011.