Р5.2.1 单因素模型的建立Р假设a为给定的显著性水平,则列出:Р气温、气压、相对湿度分别对脑卒中的影响程度分析,即单因素分析,公式如下:Р若,表明均值之间的差异显著,该因素对观测值有显著影响。Р若,表明均值之间的差异不显著,该因素对观测值没有显著影响。Р5.2.2 模型的求解Р利用SPSS20 得出平均温度、最高温度、平均气压、最低气压、平均相对湿度、最小相对湿度对脑卒中的影响显著,而最低气温、最高气压对脑卒中的影响不显著。Р5.2.3 多元化线性回归模型的建立Р在大多数的实际问题中,影响因变量的因素不止一个而是多个,因此对这类的问题本文采用多元化的线性回归分析。根据脑卒中发病率与气温、气压、相对湿度之间的关系建立多元化线性回归模型,如下:Р5.2.4 多元线性回归模型的基本假定Р假设1,解释变量是非随机的或固定的,且各x之间互不相关(无多重共线性)Р假设2,随机误差项具有零均值、同方差及不序列相关性,即:Р Р假设3,解释变量与随机项不相关,即:Р Р假设4,随机项满足正态分布,即:Р在医学病学研究中经常会遇到某一疾病的发生与变化取决于几个影响因素的情况,也就是一个因变量和几个自变量有依存关系的情况,而且有时几个影响因素主次难以区分,或者有的因素虽属次要,但也不能略去其作用,这时采用一元回归分析预测法是难以奏效的,需要采用多元回归分析预测法。Р列出多元线性回归模型的一般表现形式为:Р将n个统计数据代入上述模型,则问题转化为:Р5.2.5 模型的求解Р利用SPSS20 软件对数据进行分析,得到气温、气压、相对湿度之间的关系如下:Р表4 回归效果检验表РAnovadР模型Р平方和РdfР均方РFРSig.Р1Р回归Р.003Р8Р.000Р3.866Р.002aР残差Р.003Р39Р.000Р总计Р.006Р47Р2Р回归Р.003Р7Р.000Р4.511Р.001b
全文预览
