岭回归分析原理及其SPSS实现方法
2017-05-21 MedSci MedSci原创
岭回归分析（RidgeRegression）是一种改良的最小二乘估计方法，它是用于解决在线性回归分析中自变量存在共线性的问题。什么？共线性是什么？共线性就是指自变量之间存在一种完全或良好的线性关系，进而导致自变量相关矩阵之行列式近似为0，导致最小二乘估计失效。此时统计学家就引入了k个单位阵（I），使得回归系数可估计。设么？没看懂，那就算了。知道岭回归分析就是用来解决多重共线性的问题，就够了。在医学
岭回归分析（RidgeRegression）是一种改良的最小二乘估计方法，它是用于解决在线性回归分析中自变量存在共线性的问题。什么？共线性是什么？共线性就是指自变量之间存在一种完全或良好的线性关系，进而导致自变量相关矩阵之行列式近似为0，导致最小二乘估计失效。此时统计学家就引入了k个单位阵（I），使得回归系数可估计。设么？没看懂，那就算了。知道岭回归分析就是用来解决多重共线性的问题，就够了。在医学科研的实际工作中，往往不需要创造算法，会用算法就行。当然如果你有心研究其原理，那更是极好的。下面我们还是通过实例来学习岭回归分析的应用条件和SPSS实习方法吧。用SPSS自带的例子（来自SPSS 20.0版的示例数据库，其他版本的就别找了），某研究者想了解B超下胎儿的身长、头围、体重与胎儿受精周数之间的关系，即B超测得上述参数之后，用它们来推测胎儿的受精时长（周数）。我们很容易想到用多重线性回归来解决，以胎儿周数为因变量，以身长、头围和体重为因变量，做回归之后我们发现，结果如下：不会吧？！头围尽然与周龄成负相关，开玩笑啊。这个方程肯定是有问题，细心的读者也已经发现方差膨胀因子（VIF）大到20
作者：MedSci
版权声明：
本网站所有注明“来源：梅斯医学”或“来源：MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明“来源：梅斯医学”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
小提示：本篇资讯需要登录阅读，点击跳转登录
#回归分析#
45
学习了谢谢分享
74
软件正确操作重要性
67
数理统计需要深入学习下去。
60
感谢分享一下！！
61