首页 > 文献资料
-
以蚊虫为例浅析不同气温参数的多重共线性对建模的影响
目的：了解常用气温参数的多重共线性，为应用相关参数建立虫量的温度驱动消长模型提供参考。方法应用SPSS 13.0软件分析无锡市2010年3月至2011年11月每天的平均气温（X1）、高气温（X2）、低气温（X3）、18：00时气温（X4）、5日均温（X5）5个参数之间的相关性，并以本地蚊虫为例经向后法诊断了气温参数在蚊密度消长模型中的多重共线性。结果各参数之间呈直线相关，相关性均有统计学意义（P＜0.01）。其中X1与X2的相关性高，校正决定系数（Rc2）＝0.959；X4与X5相关性低，Rc2＝0.811。在以气温参数为自变量建立蚊密度消长模型时，随着自变量个数的增加，多重共线性程度也增强，模型的复相关系数（R）升高，Rc2降低。结论气温参数之间存在显著的自相关，在建模时存在较强的多重共线性，多重共线性实际上降低了回归方程的拟合度，在引入气温因子建立相关模型时应避免同时应用多个气温参数。
-
职业病防治绩效影响因素分析
目的 确定影响职业病防治绩效的影响因素.方法 采用偏小二乘回归法建立绩效指数及其影响因素的回归模型.结果 人均GDP、规模以上工业万元增加值能耗、财政赤字率、第二产业比重、城镇登记失业率和职业病危害因素接触率与绩效指数呈负相关,R&D投入占GDP的比例、规模以上工业产值中高新技术产业比重、卫生技术人员千人拥有量、大专以上文凭所占比重与绩效指数呈正相关.结论 优化产业结构,加速粗放型经济向集约型经济的转化是改善职业病防治绩效的关键.
-
多元线性回归方程中共线影响点的诊断
目的介绍在多元线性回归方程中共线影响点的来源及其诊断方法.方法通过利用三种不同的方法:①删除行变量观测条件数的变化②利用迹对行列式的比值和③杠杆成分来确定共线影响点.结果在有异常点存在时可以利用三种诊断方法来确定该点是否对共线性产生了影响.结论在建立多元线性回归方程时可以利用诊断共线影响点的方法来建立更符合实际规律的方程.
-
数据存在共线性时采用主成分回归分析与投影寻踪回归分析的效果比较
目的 比较主成分回归分析与投影寻踪回归分析在数据存在共线性时效果之差别.方法 利用实际数据从拟合效果和预测效果两方面评价两种建模方法的优劣.结果 主成分回归模型的决定系数为0.8172,相对误差绝对值的平均值为6.42％,预测误差的均方为0.61;投影寻踪回归分析各模型的决定系数为0.8851～0.9944,相对误差绝对值的平均值为1.11％ ～4.81％,预测误差的均方为0.03 ～ 0.38.结论 本实例数据(存在一定共线性)分析结果表明,投影寻踪回归分析的拟合效果与预测效果均优于主成分回归分析.
-
多因子共线性的主成分logistic回归分析
目的采用主成分改进的条件logistic解决原发性开角型青光眼病因研究中的共线性问题.方法采用1:3配比病例对照设计,利用多重线性回归中的共线性诊断技术进行共线性诊断,以主成分改进的条件logistic回归分析解决共线性.结果主成分条件logistic回归能改善参数估计,显著降低标准误.结论主成分改进的条件logistic能很好地解决原发性开角型青光眼病因研究中的共线性问题.
关键词： 共线性 主成分 Logistic回归 开角型青光眼 -
多因子共线性的主成分Weibull回归分析
Weibull回归模型是常用且有效的探讨恶性肿瘤预后影响因素的研究方法.但该方法要求各自变量相互独立,然而预后因素往往存在较强的相关关系即共线性,这种共线性常会增大估计参数的标准误,有时还导致回归系数的方向相反.为解决这个问题,本研究采用主成分改进的weibull回归模型探讨胃癌患者生存时间的影响因素.
-
预后因子存在共线性时Cox模型的拟合方法
实际背景Cox模型[1～3]假定瞬时死亡概率即危险函数为h(t|x)＝h0(t)exp(xβ)其中β＝(β1,β2,…,βm)＇为回归系数向量,若某个系数的符号为负,则其所对应的因子是保护因子,否则为危险因子,x＝(x1,x2,…,Xm)为预后因子行向量,一般假定其与生存时间无关,h0(t)为基本危险函数,只与生存时间有关,但形式未知.
-
深圳市医疗服务整体管理与质量控制指标体系的内部检验
利用综合指数法、相关分析法和线性回归法对深圳市医疗服务整体管理与质量控制指标体系进行内部检验,为该指标体系的进一步完善提供参考依据.
-
多重共线性及其处理办法
在医学研究中,有关多因素的统计学问题是为普遍的,而多重共线性是涉及回归分析的所有统计学方法都会遇到的问题.所谓多重共线性是指:当多个随机变量之间存在高度线性相关时,它们彼此之间可以相互线性表达;在数量上可以用一个线性方程来表示,在几何图形上表现为多个变量的分布呈几乎重叠在一起的一条直线.多重共线性往往会给统计结果的解释带来困难,有时甚至会出现似乎矛盾的结果,如果不加以正确处理,就会出现误导性的结论,从而会影响医学实践.本文首先用简单的数学方程描述多重共线性及其处理方法,然后以实例进一步说明.
-
多重线性回归分析的核心内容与关键技术概述
目的 本文目的是概述多重线性回归分析的核心内容与关键技术.其核心内容有以下四点:第一,构建多重线性回归模型的方法和求解参数的方法;第二,进行回归诊断的意义和方法;第三,筛选自变量的意义和方法;第四,评价模型拟合效果的方法.其关键技术是如何基于经典统计思想、贝叶斯统计思想和机器学习统计思想实现多重线性回归分析.
