因变量与次要影响因子之间的拟合结果是怎样的？ 假设某个因变量 Y 与三个自变量 X 1 、 X 2 、 X 3 的 三元线性拟合公式 高度正相关（相关系数 R 大于 90% ），并且知道自变量 X 1 是 主要影响因子（权重大约占 60%~70% ） ，其它两个自变量 X 2 、 X 3 都是 次要影响因子 （请特别注意 主次有别！ ），那么，采用 Excel 多元回归现成的命令，由电脑进行因变量 Y 与次要影响因子 X 2 或者 X 3 的 一元线性回归分析 ，得到的结果是不是相关判定系数 R 2 不太理想而 Significance F 比较理想？其理由是 X 2 和 X 3 的的确确是因变量 Y 的影响因子，但不是主要影响因子。 如果以上判断（观点）不完全正确，因变量 Y 与次要影响因子 X 2 或者 X 3 的 一元线性拟合 的相关判定系数 R 2 和 Significance F 都有比较理想的可能，那需要什么条件？也就是说，什么条件下因变量与次要影响因子一元拟合的效果比较好？什么条件下因变量与次要影响因子一元拟合的效果不好？ 由电脑进行因变量 Y 与两个次要影响因子 X 2 和 X 3 的 二元线性回归分析 ，相关判定系数 R 2 有可能比较理想吗？两个自变量的 P-value 有可能都比较理想吗（ P-value 越小越好、一般要求小于 0.05 ）？拟合得到的结果是不是相关判定系数 R 2 不理想、两个自变量或者其中一个自变量的 P-value 也不理想？其理由是自变量 X 2 和 X 3 都是次要影响因子，二元线性回归拟合公式中没有主要影响因子。 （请专家特别是数理统计专家、气象专家、水利专家赐教）
小女子是做临床代谢组学的，先有两组样本，各19例，两组之间差异代谢物共鉴别10个，现在想用这10个差异代谢物作为预测，方法为留一法，也叫leave-one-out test ，即每次留出一个样品，以其余的变量继续构建OPLS-DA模型，priori截留值设置为0.5.对留下的样品预测，重复该过程，直到所有的样品都测试过一次，从而计算灵敏度和专属性。 另外我是通过OPLS-DA鉴别的差异代谢物，主成分为1+5，在构建新的OPLS-DA模型时，希望主成分保持不变，我希望得到的图示如下： 讲了这么多，我就是希望各位牛人支支招，用什么软件（R？Matlab?）代码（code?）若能给予帮助，感激不尽，金币肯定少不了
标签: 求教
