一般线性模型

一般线性模型用最小二乘法拟合固定的分类因子、可选的双因子交互作用和连续协变量,采用调整(Type III)或序贯平方和。当单因素方差分析不够用或数据不平衡时使用。它假定误差相互独立、服从正态分布且方差恒定。输出包括方差分析表、最小二乘均值、带 VIF 的系数、多重比较和残差图。

最后审阅

核心要点

一般线性模型(GLM)在一个模型中对一个或多个分类因子、它们的双因子交互作用以及连续协变量进行方差分析,适用于不平衡数据,也涵盖双因素方差分析。

本页内容
  1. 用途
  2. 主要功能
  3. 统计方法
  4. 输入字段和选项
  5. 输出说明
  6. 计算示例

用途

一般线性模型(GLM)在一个模型中对一个或多个分类因子、它们的双因子交互作用以及连续协变量进行方差分析。当单因素方差分析不够用时使用它:例如,产量可能取决于机器、操作员、两者的组合方式,还取决于温度等实测条件;或者数据不平衡时。它也涵盖经典的双因素方差分析。

主要功能

  • 可设置任意数量的固定分类因子,并可按需加入全部双因子交互作用。
  • 连续协变量作为主效应录入(协方差分析)。
  • 调整(Type III)或序贯(Type I)平方和;对不平衡数据给出正确的检验。
  • 各因子的最小二乘均值,已针对其他项进行调整。
  • 用 Tukey、Fisher、Bonferroni、Sidak 或 Dunnett(与对照比较)对某一因子的最小二乘均值进行多重比较,附分组字母和差值的区间图。
  • 带 VIF 的系数、含 R-sq(pred) 的模型汇总、异常观测值和四幅残差图。
  • Data Options:分析前对行进行子集筛选。

统计方法

模型用普通最小二乘法拟合。因子采用零和(−1、0、+1)编码,因此每个系数是某一水平相对总均值的偏离,主效应的 Type III 检验是在其他因子各水平上取平均。任何所选列中含缺失值的行会被剔除。每一项以 F = Adj MS(项) / MS(Error) 及其自身的自由度和误差自由度进行检验;采用序贯平方和时,每一项是在排在它之前的各项之后进行检验。Total 行是相对于均值的总平方和,数据不平衡时,调整平方和之和不一定等于它。

S = √MS(Error)。R-sq(pred) = 1 − PRESS / SS Total,其中 PRESS 为留一法预测误差的平方和。最小二乘均值是模型对某一因子水平的预测值,此时其他因子在其各水平上取平均,协变量取其均值;与原始均值不同,它不会因各组样本量不等或协变量差异而产生偏倚。

比较使用最小二乘均值之差及其来自系数协方差矩阵的标准误。Tukey 对所有配对使用学生化极差分布;Fisher 使用单独的 t 检验;Bonferroni 和 Sidak 按配对数调整 t 临界值;Dunnett 使用多元 t 分布将每个水平与对照比较。不包含零的区间,或不共享分组字母的均值,表示存在显著差异。超出 ±2 的标准化残差标记为 R,杠杆值高于 3p/n 的标记为 X。模型假定误差相互独立、服从正态分布且方差恒定:请检查残差图。

输入字段和选项

字段

说明

Response (Y)

数值型响应列。必填。

Factors (categorical)

一个或多个分类预测变量列。必填。

Covariates (continuous)

可选的数值列,仅作为主效应录入(不与因子形成交互作用)。

Include all 2-way factor interactions

默认勾选:加入每一个双因子交互作用。

Confidence level

默认值为 95;用于比较。

Comparison procedure

None(默认)、Tukey、Fisher、Bonferroni、Sidak 或 Dunnett (vs. a control level)。

Comparison factor

比较哪个因子的最小二乘均值;选择了比较方法时必填。

Control group level (Dunnett)

Dunnett 的对照水平;留空则使用第一个水平。

Grouping information / Interval plot for differences of means

默认勾选:分组字母表和比较区间图。

Sum of squares for tests

Adjusted (Type III,默认) 或 Sequential (Type I)。

Residual versus fit graph / Residual versus order graph / Histogram / Probability plot

残差图;默认全部勾选。

Data Options: Subset (optional)

Exclude matching rows(默认)或 Include only matching rows,按行号(例如 3,7,12-15)和/或条件(例如 Temperature_C > 185)选择。

general-linear-model-inputs


图 1 — 产量示例的选项:响应为 Yield_pct,因子为 Machine 和 Operator 及其交互作用,协变量为 Temperature_C,并对机器进行 Tukey 比较。

输出说明

  • Method — 因子编码和平方和类型。
  • Factor Information — 每个因子的类型、水平数和各水平的取值。
  • Analysis of Variance — 每一项、误差和总计的 DF、Adj SS(或 Seq SS)、Adj MS、F-Value 和 P-Value。
  • Model Summary — S、R-sq、R-sq(adj) 和 R-sq(pred)。
  • Least-Squares Means — 每个因子各水平的 N 和 LS mean。
  • Coefficients — Coef、SE Coef、T-Value、P-Value 和 VIF。
  • Fits and Diagnostics for Unusual Observations — 仅在存在异常观测值时显示。
  • Grouping Information、Simultaneous (or Individual) Tests for Differences of Means 和区间图 — 选择了比较方法时显示。
  • Versus Fit、Versus Order、Residuals Histogram 和 Probability Plot。
  • 通过 Download 导出 PDF。

general-linear-model-output


图 2 — 产量的 GLM 结果:Machine 显著(p < 0.001),Machine*Operator 交互作用也显著(p = 0.0325);Machine 2 的 LS mean 最高,为 73.83%。

general-linear-model-extra


图 3 — 机器的 Tukey 比较:Machine 2 与另外两台均有差异;Machine 3 − Machine 1 的区间包含零。

计算示例

某化学过程在三台机器上运行,每台有两名操作员(Op A 和 Op B),批次产量还可能取决于批次温度(170 至 190 °C)。共有 24 个批次,每台机器、每名操作员各四个。工程师选择 Yield_pct 作为响应,Machine 和 Operator 作为因子并包含其交互作用,Temperature_C 作为协变量,并要求对机器进行 Tukey 比较。

各机器之间有明显差异(F = 20.78,p < 0.001)。Machine*Operator 交互作用也显著(F = 4.22,p = 0.0325):Op B 在 Machine 1 和 2 上产量更高,在 Machine 3 上则更低。在所研究的范围内,操作员本身(p = 0.3017)和温度(p = 0.2062)均无显著影响。模型解释了 77.0% 的变异(R-sq(adj) 为 68.88%),S = 1.61 个百分点;R-sq(pred) 较低,为 52.61%,因此对新批次的预测精度会低于拟合所显示的水平。

最小二乘均值为:Machine 2 为 73.83%,Machine 1 为 70.11%,Machine 3 为 68.81%。Tukey 将 Machine 2 单独划入 A 组:其产量比 Machine 1 高 3.71 个百分点(95% 置信区间为 1.64 至 5.78),比 Machine 3 高 5.01 个百分点,两者的调整后 p 均 < 0.001,而 Machine 1 与 3 之间没有差异(调整后 p = 0.2685)。工程师研究 Machine 2 有何不同,并且由于存在交互作用,在统一方法之前先考察 Machine 3 上的操作员搭配。

常见问题

什么时候应使用一般线性模型而不是单因素方差分析?

当单因素方差分析不够用时使用一般线性模型,例如产量可能取决于机器、操作员、两者的组合方式以及温度等实测条件,或者数据不平衡时。它在一个模型中处理多个分类因子、双因子交互作用和连续协变量,也涵盖经典的双因素方差分析。

GLM 中的最小二乘均值是什么?

最小二乘均值是模型对某一因子水平的预测值,此时其他因子在其各水平上取平均,协变量保持在其均值。与原始均值不同,它不会因各组样本量不等或协变量差异而产生偏倚。GLM 中的多重比较就是比较某一因子各水平之间的这些最小二乘均值。

GLM 中应使用哪种多重比较方法?

Tukey 使用学生化极差分布比较所有配对;Fisher 使用单独的 t 检验;Bonferroni 和 Sidak 按配对数调整 t 临界值;Dunnett 将每个水平与对照比较。不包含零的区间,或不共享分组字母的均值,表示存在显著差异。

一般线性模型的假设是什么?

模型假定误差相互独立、服从正态分布且方差恒定,可通过残差图来检查:残差对拟合值、残差对顺序、直方图和概率图。超出正负 2 的标准化残差标记为 R,杠杆值高于 3p/n 的观测值标记为 X,视为异常观测值。