[生物统计课件杜荣骞]第九章相关和回归分析.pptVIP

总校正平方和和回归平方和的表达式和自由度分别为： 失拟平方和（SSLOF ）是由于非线性因素等原因所引起的平方和，而纯误差平方和(SSpe) 可以通过重复间的离差获得： I. 令 ，它服从 F (n-2, mn-n) 若 F 检验差异显著，则可能的原因有： （1）除 X 以外还有其他变量影响Y的取值，而统计时未考虑； （2）模型不当； （3）X 与 Y 之间不是线性关系。 此时无必要再进一步用MSLOF对MSR作检验，即使检验结果是显著的，也不能证明该回归方程是最好的，而应想办法找出使SSLOF过大的原因，并把它消除后重作回归。 用纯误差均方对失拟均方做检验，统计检验步骤为： ，它服从F (1, mn-2) 若差异显著，说明回归是成功的，X，Y 间确有线性关系；若差异仍不显著，则回归失败，其可能的原因为： （1）X，Y 无线性关系； （2）误差过大，掩盖了X，Y 间的线性关系。 如有必要，可设法减小实验误差，或增加重复数重做实验后再重新回归。 若差异不显著，说明失拟平方和基本上是由实验误差造成的，则把MSLOF和MSpe合并，再对MSR作检验： 例 用下列数据检验回归的显著性。 327842 164712 73984 36994 137 135 4.8 57600 288500 125 115 4.0 55696 28136 106 130 3.2 43681 22061 94 115 2.4 浓 度 33856 16946 89 95 1.6 30625 15325 85 90 0.8 32400 16400 100 80 0 重复II 重复I 重 量 解：由上述数据计算出回归方程： 代入上页表中右下角的数字，得： 由关系式得： 计算得： 将上述结果列成方差分析表： 变差来源 平方和 自由度 均方 F 回 归 3744.61 1 3744.61 40.52 失 拟 318.10 5 63.62 0.56 纯误差 791.00 7 113.00 ? 总 和 4853.71 13 ? ? I．先用MSpe对MSLOF做检验， 查表，F5，7，0.01=7.46。F F5，7，0.01，所以差异不显著。失拟平方和基本上是由实验误差造成的。 II．再将失拟平方和与误差平方和合并，用合并后的均方做检验。 查表，F1，12，0。01=9.33，F F0.01。Y与X间存在极显著的回归关系。 9.2.4 点估计与区间估计 a 和b分别是α和β的点估计，a+bx 是y的点估计。预测值仅给出点估计是不够的，一般要求给出区间估计，即给出α，β，及y的置信区间。 1. α和β的区间估计 已证 a 和 b 是α和β的点估计，并求出了它们的方差 。由于是独立正态分布的，故有： 和 ∴β和?的95%置信区间分别为： 与假设检验中求置信区间的方法一样。 2. 对条件均值（回归线）?Y? X的估计 当自变量 时，其回归值 的点估计是 。 证明： 的 区间估计：首先需求出 的方差。 ∴a和b 都服从正态分布，故 在标准化变量中用MSe代替 ，则 ， df = n-2 可得当 时，总体回归线 的 置信区间为： 注意：上述置信区间和区间的宽度与 有关，当 时，其宽度最小，偏离 后，逐渐加大。因此回归线 的 置信区间的两条对称的弧线。 3. 对一次观察值y0的估计 已知 是 的无偏估计量。可以用 作为 的估计值。同时，还可用 的值作为因变量取得的值 y0的估计值。 证明： 故 是 y0 的无偏估计量。 1）y0 的点估计： 一般情况下，置信区间是以随机变量的期望为中点，只要求方差即可。而现在是以条件均值 的估计值，即另一个随机变量 为中点，故应求这两个随机变量差值的方差。由于下一次观察值y0和以前所有的观察值yi都是互相独立的，而估计值 是从以前的观察值yi计算出来的，因此与y0独立，从而 -y的方差为： 2）区间估计 由于y0和 均为正态分布，它们的差也服从正态分布 。用 代替 后，为t分布，可以得到