logo
  • write-homewrite-home-active首页
  • icon-chaticon-chat-activeAI 智能助手
  • icon-pluginicon-plugin-active浏览器插件
  • icon-subjecticon-subject-active学科题目
  • icon-uploadicon-upload-active上传题库
  • icon-appicon-app-active手机APP
首页
/
统计
题目

案例 13-1 为了研究糖尿病患者的C反应蛋白Y与年龄X1和体重指数X2的关系,某研究者调-|||-查了60名糖尿病患者,测量和收集了C反应蛋白 (mgL) 与年龄UND1和体重指数X2,结果见表-|||--1, 试分析C反应蛋白与年龄和体重指数的关系。-|||-表 13-1 C反应蛋白 Y(mg/L )与年龄X1(岁)和体重指数 _(2)(kg/(m)^2) 的资料-|||-no X1 x2 Y no X1 X2 Y no X1 X2 Y no X1 2 Y-|||-1 48 26.2 2.0 16 61 24.1 1.8 31 46 22.4 1.2 46 80 25.4 2.2-|||-2 81 26.3 2.0 17 60 23.7 2.7 32 53 22.4 1.6 47 82 29.7 3.5-|||-3 67 25.6 1.0 18 81 28.1 3.0 33 73 25.7 2.7 48 61 24.1 1.6-|||-4 51 26.2 2.4 19 75 27.7 2.7 34 74 27.3 3.2 49 51 23.5 1.3-|||-5 52 24.4 1.7 20 75 26.2 2.4 35 67 24.7 2.0 50 47 24.0 1.7-|||-6 78 26.1 1.0 21 66 26.6 2.5 36 81 25.7 2.5 51 75 28.1 2.5-|||-7 49 21.7 1.0 22 79 26.0 2.0 37 60 26.7 2.7 52 67 27.0 2.5-|||-8 54 23.8 1.2 23 65 25.4 2.0 38 46 21.9 1.2 53 81 27.3 2.0-|||-9 75 24.9 2.0 24 53 23.4 0.6 39 61 25.6 1.8 54 56 23.6 1.1-|||-10 74 26.2 1.6 25 66 25.3 1.2 40 69 27.5 2.4 55 53 25.9 1.1-|||-11 74 26.3 2.4 26 62 23.0 1.0 41 65 24.6 2.0 56 57 23.8 0.4-|||-12 63 25.2 1.1 27 55 26.8 1.7 42 63 27.0 2.5 57 80 29.4 2.5-|||-13 78 26.1 2.2 28 76 25.9 2.0 43 77 25.9 1.2 58 51 22.9 0.5-|||-14 60 27.0 2.2 29 46 22.4 1.7 44 48 25.4 2.0 59 74 27.0 1.3-|||-15 80 26.5 2.5 30 50 22.0 1.2 45 83 27.2 2.2 60 64 23.7 1.8

题目解答

答案

解析

本题主要考察线性回归分析在多变量关系研究中的应用,具体涉及单因素回归与多因素回归的对比、回归系数的意义解读以及混杂因素的判断。

核心知识点

  1. 单因素线性回归:分析单个自变量(如年龄X1或体重指数X2)与因变量(C反应蛋白Y)的线性关系,通过回归系数和P值判断显著性。
  2. 多因素线性回归:同时引入多个自变量(X1和X2),观察自变量间的相互影响,判断每个自变量在控制其他变量后对因变量的独立作用。
  3. 混杂因素:若一个变量(如X2)同时与自变量(X1)和因变量(Y)相关,可能导致自变量与因变量的单因素关联被扭曲,称为混杂。

题目分析

1. 单因素回归结果

  • 回归方程(13-9)(X1与Y):
    回归系数$\hat{\beta}_1=0.029$,$t=25.263$,$P<0.001$,提示年龄X1与Y单因素相关显著。
  • 回归方程(13-10)(X2与Y):
    回归系数$\hat{\beta}_2=0.251$,$t=7.061$,$P<0.001$,提示体重指数X2与Y单因素相关显著。

2. 多因素回归结果(方程13-11:$Y=\beta_1X1+\beta_2X2$)

  • X1的回归系数:$\hat{\beta}_1=0.004$,$t=0.520$,$P=0.605>0.05$,无统计学意义,且系数较单因素时大幅减小(从0.029降至0.004)。
  • X2的回归系数:$\hat{\beta}_2=0.233$,$t=4.634$,$P<0.001$,仍显著,系数变化较小(从0.251降至0.233)。
  • 结论:X1与Y的单因素关联可能被X2混杂(X2与X1、Y均相关),控制X2后,X1与Y无独立关联。

3. 逐步回归结果

仅X2进入回归方程,方程为$\hat{\mu}_Y=-4.320+0.251X2$(或题目中修正的$\hat{\mu}_Y=-4.521+0.251X_{20}$,可能为笔误),提示Y仅与X2存在线性回归关系。

相关问题

  • 重测信度用重测相关系数来表示,相关系数越趋近于下列哪一数值时,则重测信度越高A. 1B. 0.7C. 2D. 3

  • 设随机变量XY都服从N(0,1),则有()A. X+Y服从正态分布B. X+Y服从x^2分布 C. X^2和Y^2都服从x^2分布 D. (X^2)div (Y^2)服从F分布

  • {15分)常规情况下,下列不属于人口学变量的是A. 民族B. 收入C. 年龄D. 睡眠时间E. 性别

  • 以下几种数据挖掘功能中,〔〕被广泛的用于购物篮分析.A. 关联分析B. 分类和预测C. 聚类分析D. 演变分析

  • 可以从最小化每个类簇的方差这一视角来解释K均值聚类的结果,下面对这一视角描述正确的A. 每个样本数据分别归属于与其距离最远的聚类质心所在聚类集合B. 每个簇类的质心累加起来最小C. 最终聚类结果中每个聚类集合中所包含数据呈现出来差异性最大D. 每个簇类的方差累加起来最小

  • 假定用于分析的数据包含属性age.数据元组[1]中age的值如下(按递增序):13,15,16,16,19,20,20,21,22,22,25,25,25,30,33,33,35,35,36,40,45,46,52,70, 问题:使用按箱平均值平滑方法对上述数据进行平滑,箱的深度为3。第二个箱子值为:A. 18.3B. 22。6C. 26。8D. 27。9

  • {1.5分)确定研究总体和样本时,不需要考虑A. 立题依据B. 样本量C. 抽样方法D. 目标总体E. 纳入及排除标准

  • 44.2021年,我国人均预期寿命提高到了()。A. 78岁B. 79岁C. 78.2岁D. 79.2岁

  • 像从性不好的资料是()A. 由于死亡或者其他原因不能继续试验B. 能按照试验规定要求完成实验C. 重复参加试验D. 由于纳入标准不合格导致选择的研究对象不符合试验要求E. 能完成试验但是不能按照规定要求完成试验

  • 下列关于回归分析的描述不正确的是()A. 回归分析模型可分为线性回归模型和非线性回归模型B. 回归分析研究不同变量之间存在的关系()C. 刻画不同变量之间关系的模型统称为线性回归模型D. 回归分析研究单个变量的变化情况

  • 下列说法正确的是()A. 方差数值上等于各个数据与样本方差之差的平方和之平均数B. 协方差衡量了多个变量的分布C. 协方差和方差的计算方式完全一致D. 方差描述了样本数据的波动程度

  • 48皮尔逊相关系数的取值范围为0到正无穷。()A. 错误B. 正确

  • 请你从下表中找出1~100中所有质数.并数一数一共多少个. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100

  • 5.聚类分析可以看作是一种非监督的分类。()

  • 下列哪项属于常见的池化方式。()A. 协方差池化B. 方差池化C. 反向传播D. 最大池化

  • 下列说法正确的是()A. 方差数值上等于各个数据与样本方差之差的平方和之平均数B. 协方差和方差的计算方式完全一致C. 协方差衡量了多个变量的分布D. 方差描述了样本数据的波动程度

  • 下列哪项属于常见的池化方式。()A. 反向传播B. 最大池化C. 方差池化D. 协方差池化

  • 皮尔逊相关系数的取值范围为0到正无穷。()A. 正确B. 错误

  • 对研究对象制定明确的纳入标准和排除标准,是为了保证样本的A. 可靠性B. 可行性C. 代表性D. 合理性E. 科学性

  • 1. 名词解释 假设检验 (请在答题纸上手写并拍照上传)

上一页下一页
logo
广州极目未来文化科技有限公司
注册地址:广州市黄埔区揽月路8号135、136、137、138房
关于
  • 隐私政策
  • 服务协议
  • 权限详情
学科
  • 医学
  • 政治学
  • 管理
  • 计算机
  • 教育
  • 数学
联系我们
  • 客服电话: 010-82893100
  • 公司邮箱: daxuesoutijiang@163.com
  • qt

©2023 广州极目未来文化科技有限公司 粤ICP备2023029972号    粤公网安备44011202002296号