12_简单回归分析_2011.12.16 gu.pptVIP

简单回归分析 顾 菁 2011.12.20 引言： 身高与体重存在相关（相关关系） 可否通过身高预测体重的平均水平？ 新生儿的体重与体表面积存在相关 可否通过体重预测体表面积？（数量上的依存关系） 线性回归（linear regression），又称简单回归（simple regression）， 非线性回归（nonlinear regression）* 把被估计或被预测的变量称为因变量（dependent variable），或称结局变量（outcome variable）或称反应变量（response variable），常用Y 表示； Y 所依存的变量称为自变量（independent variable），或称解释变量（explanatory variable），或称预测因子（predictor），常用X表示。 在上一章中，对14名40~60岁的健康妇女的体重（X）与基础代谢（Y）数据计算了相关系数 ，定量地描述了变量X与Y间的线性关联性。现在试用回归分析的方法，从预测的角度来描述基础代谢（Y）如何依存体重（X）的变化而变化的规律性。 样本线性回归方程(regression equation) ： 二、线性回归模型的适用条件 三、回归参数的估计 (二) 回归参数的估计方法 例12-1 计算例11-1的基础代谢（Y）关于体重（X）的线性回归方程。 四、总体回归系数β的统计推断 (一) 方差分析 例12-2 试对例11-1资料的样本回归方程作假设检验（用方差分析） H0: β= 0 即基础代谢与体重之间无线性回归关系 H1: β≠0 即基础代谢与体重之间有线性回归关系 α= 0.05 例12-3 试对例11-1资料的样本回归方程作假设检验（用t 检验）。 (四) 决定系数 第二节 线性回归的应用 统计预测； 统计控制。 统计预测： 均数的置信区间： 当X为某定值和在给定置信度的情况下，欲知Y的总体均数的分布如何？我们可以估计总体中当X为某定值 时， Y的总体均数 的 置信区间 。 统计预测（续）: 个体的容许区间： 预测是回归分析的重要应用之一，医学上常用在给定X值（预报因子）时，计算个体Y值的容许区间。所谓个体Y值的容许区间是指总体中X为某定值时，个体Y值的波动范围。　 统计控制 例12-6 在硝酸钠的溶解试验中，测得在不同温度( )X下，溶解于100份水中的硝酸钠份数Y的数据见表12-3。若要求溶解于100份水中的硝酸钠份数在80份以上，温度应如何控制？设置信度为95%。 第三节 残差分析 当标准化残差图中散点的分布，绝大部分在?2倍标准差之间，在以0参考线的上下随机且均匀地散布时，可以认为模型与数据拟合得较好。一般认为在?3标准差以外区域出现的点所对应的原始数据为离群点，在?2标准差以外、?3标准差以内区域出现的点所对应的原始数据可能为离群点。 THE END Thanks 以X为横坐标，yhat 为纵坐标 斜率为，截距为 健康妇女的体重（X）与基础代谢（Y）两者都是随机变化的，那里Y 关于X的回归称为II型回归 通常利用专业知识来判断这项条件是否满足，即任意两个观察值之间不应该有关联性。如果该条件不满足，名义上有n个个体的资料，实际上提供的信息却没有这么多，导致回归估计值不够准确和精确 从样本数据的散点图来看，求解a和b实际上就是怎样“合理地”找到一条直线，使所有的数据点与它距离“最近”。一个自然的想法就是把 。。。 (二) t 检验 注意：对同一资料作总体回归系数β是否为零的假设检验，方差分析和t检验是等价的，并且有 的关系。 上一章对总体相关系数 的假设检验计算出的 等于这里的 ，这并不是巧合。当 Y与X两者都是随机变量时，我们既可以计算Y与X的相关系数，又可以做Y关于X的回归（II型回归）； 对同一资料作总体相关系数 的假设检验和作总体回归系数β的假设检验分别得到 和 ，可以证明，二者相等。 (三) 总体回归系数β的置信区间 取值在0到1之间，且无单位。它反映了回归贡献的相对程度，即在因变量Y的总变异中回归关系所能解释的比例。 在实际应用中，通过用决定系数来反映回归的实际效果。如例12-1， =0.930，说明40~60岁健康妇女的体重信息大约可以解释自身基础代谢信息量的93%，还有剩余的7%的信息则通过体重以外的其它因素来解释。说明用体重来预测基础代谢量的实际效果较佳。 的（1- ）置信区间为 （12