Смекни!
smekni.com

Регрессионный анализ корелляции субъективного ВАШ и лабораторных признаков активности реактивного (стр. 5 из 12)

Аппарат множественной линейной регрессии реализуется в Matlab при помощи функции regress. Анализ основывается на нахождении коэффициентов b уравнения вида:

y = b0 + b1x1 + b2x2 + b3x3 + ... + bnxn

Методом наименьших квадратов.

Входными данными для программы будут:

Матрица X по одному измерению равная длине вектора Y (ВАШБП, ВАШСП), а по другому количеству переменных, по которым должна предсказываться переменная “Y” плюс один. Ещё один столбик нам понадобиться для того, чтобы matlab мог по нему рассчитать свободный член уравнения b0, расположен он должен быть первым и заполнен единицами. Т.е. 2-й столбец матрицы X это значения Hb, 3-й столбец значения СОЭ, 4-й значения СРБ и 5-й Фибриноген.

Y – значения ВАШ (ВАШБП, ВАШСП)

Функция regress задается следующим образом:

[b.bint.r.rint.stats] = regress(y.X.0.01)

regress(y.X.0.01) – означает что мы будем искать зависимость Y от Х и с вероятностью 99% коэффициенты b будут принадлежать рассчитанным нами доверительным интервалам.

Выходные данные:

Вектор коэффициентов b.

Матрица bint. содержащая 99% доверительные интервалы для b.

Вектор r (длина которого равна длине Y). содержащий остатки. т.е. разницу между исходными значениями Y. и рассчитанными по полученному уравнению регрессии.

Матрицу rint. содержащую значения 99% доверительного интервала для r

Вектор stats. состоящий из следующих 4 характеристик:

первое значение – коэффициент множественной корреляции R2. показывающий связь исходных данных y и рассчитанных по полученному уравнению. другими словами – это коэффициент. показывающий на сколько хорошо «работает» полученное уравнение. Чем ближе это значение к единице. тем лучше.

второе значение – F-статистика (её ещё называют критерием Фишера).

третье значение – p. табличное значение критерия Фишера при данных степенях свободы. Если критерий Фишера выше этого значения. то уравнению можно верить.

четвёртое значение – оценка дисперсии ошибок

I) рассчитаем уравнение множественной линейной регрессии для ВАШБП

После выполнения расчетов для ВАШБП получили следующие переменные:

b bint r rint
42.1283 1.8780 82.3786 -21.9027 -73.5518 29.7465
-0.1015 -0.3855 0.1824 -10.4547 -62.2125 41.3031
0.2908 -0.1418 0.7233 14.2154 -36.8404 65.2711
0.0326 -0.0177 0.0829 -18.2805 -68.5417 31.9806
0.7105 -3.0313 4.4524 1.2654 -50.5643 53.0951
45.7534 -5.3326 96.8394
-14.6868 -66.0309 36.6572
7.2762 -44.4701 59.0225
44.4133 -6.6808 95.5074
-5.6498 -57.3639 46.0644
10.6615 -40.5673 61.8902
41.4956 -9.2270 92.2183
5.2307 -46.4949 56.9564
14.2893 -37.3388 65.9175
-16.9757 -64.8977 30.9463
-1.7014 -52.3459 48.9432
11.3454 -40.2887 62.9794
18.1895 -33.3589 69.7380
-24.8022 -75.9894 26.3849
4.1667 -47.1548 55.4881
7.4767 -44.4040 59.3575
53.4995 2.7606 104.2384
-8.4099 -60.1502 43.3304
-8.1185 -59.1222 42.8851
34.8356 -16.4892 86.1604
7.3277 -44.1261 58.7815
-1.1282 -52.7224 50.4660
-22.7002 -73.0690 27.6685
35.3231 -15.4605 86.1067
12.1224 -39.4234 63.6682
23.2364 -28.4547 74.9275
2.0986 -49.7444 53.9416
3.3639 -48.4351 55.1629
-35.4930 -86.7043 15.7183
15.7701 -35.8987 67.4389
1.9511 -49.4156 53.3179
1.2643 -37.9653 40.4940
2.8817 -47.4120 53.1755
27.5456 -23.6290 78.7202
8.0058 -43.8027 59.8144
26.1533 -25.0770 77.3836
-11.6135 -63.2959 40.0690
14.2769 -37.5125 66.0664
-5.0043 -56.8847 46.8760
21.7829 -29.7810 73.3468
27.4824 -23.6602 78.6249
-15.3203 -66.5536 35.9129
36.8308 -14.3416 88.0032
21.9905 -29.7372 73.7183
-0.3487 -52.1580 51.4607
-14.4565 -65.3638 36.4507
2.2326 -49.4426 53.9079
-23.0332 -74.5239 28.4574
16.0495 -35.4532 67.5522
-21.3666 -72.7803 30.0472
-5.9001 -57.5397 45.7395
-13.5376 -63.5547 36.4796
7.2019 -44.2296 58.6334
-7.2965 -59.0702 44.4772
-31.3225 -82.2665 19.6215
24.7206 -26.5090 75.9502
12.0085 -29.4721 53.4890
-14.3362 -66.1232 37.4507
-19.4698 -71.0521 32.1125
-16.1754 -66.8306 34.4799
8.0639 -43.7532 59.8809
-12.2995 -64.1466 39.5476
13.9893 -37.7707 65.7493
-16.2954 -67.9216 35.3308
-12.3199 -64.0425 39.4027
-4.7723 -56.3885 46.8438
-7.6406 -59.3361 44.0548
-20.2521 -71.7464 31.2422
2.3469 -49.4690 54.1627
39.2104 -11.8405 90.2614
-16.6829 -68.1490 34.7832
-27.6404 -79.0945 23.8136
0.6820 -50.1330 51.4970
-30.4212 -81.9717 21.1294
-31.1453 -82.5884 20.2978
-24.1908 -75.6191 27.2374
18.2420 -33.1537 69.6377
7.2360 -43.3212 57.7931
-25.8891 -77.5028 25.7247
-29.9523 -81.4193 21.5148
-13.5789 -65.3925 38.2347
-23.7983 -75.2594 27.6627
-9.3176 -61.0193 42.3841
-12.2236 -64.0984 39.6512
-26.7522 -78.2955 24.7910
-19.1908 -70.7002 32.3185
-15.5540 -67.2924 36.1844
-21.6260 -72.8683 29.6163
-11.8236 -62.7620 39.1148
5.3410 -46.3573 57.0393
-26.0752 -77.4141 25.2636
-23.8405 -75.5436 27.8627
9.1271 -42.3050 60.5592
-22.0750 -73.2466 29.0966
-19.3643 -70.7356 32.0071
-5.2939 -57.0079 46.4201
-3.9155 -55.2281 47.3971
6.0662 -45.1461 57.2784
20.6750 -30.6746 72.0246
8.5343 -43.3618 60.4303
21.8225 -29.5504 73.1954
-19.4300 -70.1039 31.2439
5.9953 -45.8101 57.8006
2.0391 -49.2100 53.2883
42.8692 -7.4532 93.1915
24.0227 -27.3822 75.4275
21.6036 -29.8883 73.0954
7.9463 -42.0260 57.9186
-24.6224 -75.8610 26.6162
-18.1688 -69.9114 33.5739
-3.0542 -54.5917 48.4834
-7.0589 -58.7440 44.6261
-14.8646 -66.5830 36.8538
-3.5953 -55.2165 48.0260
-16.8888 -68.7256 34.9480
24.7304 -26.4446 75.9054
9.0011 -42.8700 60.8722
1.6549 -48.7937 52.1035
4.7382 -46.8959 56.3724
-24.8120 -76.4793 26.8554
-24.7124 -76.2026 26.7778
-10.3635 -61.9389 41.2118
-24.0183 -75.5760 27.5393
-31.1297 -82.7024 20.4430
-10.2047 -61.4757 41.0663
13.1655 -38.3588 64.6897
4.6407 -47.1058 56.3873
9.3834 -40.9519 59.7187
19.2757 -32.2076 70.7590
8.6060 -43.1614 60.3735
-0.6029 -52.3315 51.1257
15.3004 -35.5974 66.1982
11.9546 -39.5044 63.4137
22.3373 -29.2132 73.8877
7.2462 -44.4642 58.9567
-28.6600 -80.0657 22.7457
5.0618 -46.6397 56.7633
20.8124 -30.2927 71.9175
-1.2405 -52.8524 50.3713
-4.0754 -55.6256 47.4747
-13.1297 -64.9991 38.7397
-1.0570 -52.6293 50.5152
-8.9762 -60.6462 42.6938
-19.1095 -70.6665 32.4476
-7.3882 -59.1979 44.4216
-31.7918 -83.1929 19.6092
32.5654 -18.8114 83.9423
25.8476 -25.6974 77.3926
17.2462 -34.3729 68.8654
12.7771 -38.9022 64.4564
17.9586 -33.6785 69.5957
-12.4963 -64.2189 39.2263
28.2903 -23.0283 79.6090
-1.9287 -53.1104 49.2530
-20.1486 -70.8255 30.5284
12.7423 -39.0574 64.5419
-33.4366 -79.4435 12.5702
-28.3399 -79.4332 22.7535
45.9715 -4.3766 96.3197
17.6894 -33.9998 69.3786
28.8293 -22.6317 80.2902
45.0664 -5.5918 95.7246
38.6743 -12.3544 89.7029
-1.9044 -53.7565 49.9477
20.3493 -31.0914 71.7901
-17.8734 -69.5782 33.8313
-6.5057 -57.7216 44.7103
-23.8741 -75.3281 27.5800
-0.4543 -52.0199 51.1113
-9.0759 -59.6117 41.4599
6.4047 -45.2060 58.0155
-14.4330 -66.1409 37.2749
19.2787 -31.6829 70.2403
-3.4277 -54.6947 47.8392
-10.2520 -61.6535 41.1494
-28.7033 -80.0804 22.6737
-13.9223 -64.7794 36.9348

stats = 0.1569; 8.2341; 0.0000; 398.2227;