【原】多变量（多元）多项式曲线回归线性模型分析母亲吸烟对新生婴儿体重影响可视化

原文链接：http:///?p=26147 

本文使用的数据集记录了 1236 名新生婴儿的体重（查看文末了解数据获取方式），以及他们母亲的其他协变量。

本研究的目的是测量吸烟对新生儿体重的影响。研究人员需要通过控制其他协变量（例如母亲的体重和身高）来隔离其影响。这可以通过使用多元回归模型来完成，例如，通过考虑权重  Y_i  可以建模为

str(babis)

数据集的描述如下：

• bwt 是因变量，新生儿体重以盎司为单位。数据集使用 999 作为缺失值。

• gestation 是怀孕的时间，以天为单位。999 是缺失值的代码。

• parity 第一胎使用 0，否则使用 1，缺失值使用 9。

• age 是母亲的年龄，整数。99 是缺失值。

• height 是母亲的身高。99 是缺失值。

• weight 是母亲的体重，以磅为单位。999 是一个缺失值。

• smoke 是一个分类变量，表示母亲现在是否吸烟 (1) (0)。9 是缺失值。

这个问题的研究人员想要判断以下内容：

• 吸烟的母亲会增加早产率。

• 吸烟者的新生儿在每个胎龄都较小。

• 与母亲的孕前身高和体重、产次、既往妊娠结局史或婴儿性别（这最后两个协变量不可用）相比，吸烟似乎是出生体重的一个更重要的决定因素。

我们将专注于第二个判断：

从str()命令中注意到，所有的变量都被存储为整数。我将把缺失值转换为NAs，这是R中缺失值的正确表示。

bwt == 999\] <- NA


# 有多少观察结果是缺失的？

sapply(babies, couna)

每当您在 R 中使用函数时，请记住，默认情况下它可能有也可能没有 na-action。例如，该 mean() 函数没有，并且 NA 在将缺少值的参数传递给它时简单地返回：

sapply(babies, mean)

您可以通过检查 mean() 函数帮助来纠正它，通过一个参数 na.rm=TRUE，它删除了 NAs。

sapply(babies, mean, na.rm = TRUE)

另一方面， 默认情况下summary() 会删除 NAs，并输出找到的 NAs 数量，这使其成为汇总数据时的首选。

summary(babies)

我们可以看到转换因子显示了不同的摘要，因为 summary() 操作根据变量类型而变化：

parity <- factor(parity, levels )

绘制数据是您应该采取的第一个操作。我将使用 lattice 包来绘制它，因为它的最大优势在于处理多变量数据。

require(lattice)
xyplot

为了拟合多元回归模型，我们使用命令 lm()。

---