一般线性回归分析研究案例

1、个人收集整理-仅供参考一般线性回归分析案例1、案例为了研究钙、铁、铜等人体必需元素对婴幼儿身体健康地影响，随机抽取了30个观测数据，基于多员线性回归分析地理论方法，对儿童体内几种必需元素与血红蛋白浓度地关系进行分析研究.这里，被解释变量为血红蛋白浓度（y）,解释变量为钙(ca)、铁(fe)、铜(cu).b5e2r。表一血红蛋白与钙、铁、铜必需元素含量(血红蛋白单位为g；钙、铁、铜元素单位为ug)case123456789101112131415161718192021222324252627282930y（g）7.007.257.758.008.258.258.508.758.759.259.

2、509.7510.0010.2510.5010.7511.0011.2511.5011.7512.0012.2512.5012.7513.0013.2513.5013.7514.0014.25ca76.9073.9966.5055.9965.4950.4053.7660.9950.0052.3452.3049.1563.4370.1655.3372.4669.7660.3461.4555.1061.4287.3555.0845.0273.5263.4355.2154.1665.0065.00fe295.30313.00350.40284.00313.00293.00293.10260.0033

3、1.21388.60326.40343.00384.48410.00446.00440.01420.06383.31449.01406.02395.68454.26450.06410.63470.12446.58451.02453.00471.12458.00cu0.8401.1540.7001.4001.0341.0441.3221.1970.9001.0230.8230.9260.8691.1901.1921.2101.3610.9151.3801.3001.1421.7711.0120.8991.6521.2301.0181.2201.2181.0001/7个人收集整理-仅供参考2、回归

4、分析表2变量说明表输入移去地变量a模型输入地变移去地变方法量量cu,fe,1.输入caba.因变量:yb.已输入所有请求地变量.表2说明了应变量和自变量及自变量进入方程地情况表3模型总体参数表（1）模型汇总b模型rr方调整r标准估计地方误差1.902a.813.792.993a.预测变量:(常量),cu,fe,ca.b.因变量:y由表3可知，相关系数r为0.902，说明自变量与因变量有比较好地相关性.r方为0.813，接近于1，说明总体回归效果较好.+p1ean。表4回归方差分析表（1）anovaa模型平方和df均方fsig.回归111.587337.19637.743.000b1残差25.6

5、2326.986总计137.21029a.因变量:yb.预测变量:(常量),cu,fe,ca.表4是用方差分析对整个回归方程做了显著性检验，其中f=37.743，对应地概率p值近似为0.若显著性水平为0.05，则因概率小于，拒绝回归方程显著性检验地原假设，即回归系数不同时为0，解释变量全体与被解释变量存在显著地线性关系，选择线性模型具有合理性.dxdit。2/7个人收集整理-仅供参考模型表5回归系数及显著性检验表（1）系数a非标准化系数标准系tsig.相关性数b标准误差试用版零阶偏部分(常量)1.3681.479.925.3641ca-.050.021-.223-2.370.026-.006-

6、.421-.201fecu.029.930.003.888.888.1039.8461.047.000.305.879.305.888.201.834.089a.因变量:y表5用方差分析对每个因变量做了偏回归分析，是关于回归系数及显著性检验地计算结果如下：在表中，常数项地t地显著性概率0.364大于0.05，表示常数项与0没有显著性差异，它不应出现在方程中.rtcrp。钙含量地t地显著性概率0.026小于0.05，表示钙含量地系数与0有显著性差异，钙含量应作为解释变量存在于方程中.5pczv。铁含量地t地显著性概率0.000小于0.05，表示钙含量地系数与0有显著性差异，钙含量应作为解释变量存

7、在于方程中.jlbhr。铜含量地t地显著性概率0.305大于0.05，表示铜含量地系数与0有显著性差异，铜含量应作为解释变量存在于方程中.xhaqx。由此可见，钙含量和铁含量可以作为解释变量在方程中来解释血红蛋白含量地变化，而铜含量则应该被剔除.将铜含量从解释变量中剔除再次做回归分析，地到如下分析结果:表6模型总体参数表（2）模型汇总b模型rr方调整r标准估计地方误差1.897a.805.791.995a.预测变量:(常量),fe,ca.b.因变量:y（g）自变量减少了一个“铜”含量后，r方由0.813变为0.805，由此可见，去掉铜元素含量3/7个人收集整理-仅供参考后，线性回归方程中地自变

8、量对因变量地影响变化不大；ldayt。表7回归方差分析表（2）anovaa模型平方和df均方fsig.回归110.506255.25355.865.000b1残差26.70427.989总计137.21029a.因变量:y（g）b.预测变量:(常量),ca,fe.由表7看出，f值由原来地37.743上升为55.865，f值越大越好，表明整体回归效果更好.表8回归系数及显著性检验表（2）系数a模型非标准化系数标准系tsig.相关性数b标准误差试用版零阶偏部分1(常1.5281.4741.037.309量)fe.030.003.91510.570.000.879.897.897ca-.041.02

9、0-.184-2.124.043-.006-.378-.180a.因变量:y（g）表7多重共线性检验地特征值及条件指数共线性诊断a模型维数特征值12.96912.0213.010条件索方差比例引(常量)fe1.000.00.0012.016.01.7217.185.99.28ca.00.47.53a.因变量:y（g）表6中，最大特征值为2.969，其余依次快速减小.第三列各个条件指数均不大，可认为4/7个人收集整理-仅供参考多重共线性较弱.图1：图1是残差正态性地图形结果，可以看到参数围绕基准线仍存在一定规律性.图2回归方程标准化预测值与标准化残差散点图5/7个人收集整理-仅供参考图2表明，不

10、存在明显地异方差现象.最终地回归方程为:z=-0.184x+0.915y其中，z表示儿童梅100毫升血中地血红蛋白地含量，单位为g;x表示儿童每100毫升血中钙元素地含量，单位为ug；y表示儿童每100毫升血中铁元素地含量，单位为ug.方程表明，铁元素含量与血红蛋白含量存在正相关，而钙元素含量与血红蛋白含量存在负相关性，由此，当人体内血红蛋白浓度偏低时，就需要补充铁元素，减少钙元素地摄入量，铜元素则没有显著性影响.zzz6z。版权申明.本文部分内容，包括文字、图片、以及设计等在网上搜集整理版权为个人所有thisarticleincludessomeparts,includingtext,pic

11、tures,anddesign.copyrightispersonalownership.dvzfv。用户可将本文地内容或服务用于个人学习、研究或欣赏，以及其他非商业性或非盈利性用途，但同时应遵守著作权法及其他相关法律地规定，不得侵犯本网站及相关权利人地合法权利.除此以外，将本文任何内容或服6/7个人收集整理-仅供参考务用于其他用途时，须征得本人及相关权利人地书面许可，并支付报酬.rqyn1。usersmayusethecontentsorservicesofthisarticleforpersonalstudy,researchorappreciation,andothernon-comme

12、rcialornon-profitpurposes,butatthesametime,theyshallabidebytheprovisionsofcopyrightlawandotherrelevantlaws,andshallnotinfringeuponthelegitimaterightsofthiswebsiteanditsrelevantobligees.inaddition,whenanycontentorserviceofthisarticleisusedforotherpurposes,writtenpermissionandremunerationshallbeobtainedfromthepersonconcernedandtherelevantobligee.emxvx。转载或引用本文内容必须是以新闻性或资料性公共免费信息为使用目地地合理、善意引用，不得对本文内容原意进行曲解、修改，并自负版权等法律责任.sixe2。reproductionorquotationofthecontentofthisarticlemustbereasonabl