e-2視覺化的相關係數最小平方法與迴歸直線.docVIP

視覺化的相關係數最小平方法與迴歸直線 李政豐 國立竹南高級中學 楔子 最小平方法的教學，常常是在複雜的證明情況下匆匆帶過，不管是在原標以雙配方的手法，或是在標準化座標利用二次函數的極值特性來導出迴歸直線的係數。如果沒有視覺化、可操作的教學元件以直觀教學來輔助，高中學生認為有相當的難度，通常學生的學習效果都較差，統計量的概念不易建立，充其量是會計算，並不瞭解相關係數最小平方法與迴歸直線的詳細內涵。 98課綱，並沒有談到偏導數的內容，但是卻談到最小平方法與迴歸直線(最適合直線)的求法，教科書都用「雙配方」的手法，來求得迴歸直線y = a+bx的係數a與b，雙配方是很繁雜的技巧，而統計量的表示方法也不盡相同。, b = 或, 或, , 而導出的過程也有所不同，例如(1)有的先由標準化座標系中求得迴歸直線，再轉化成原始資料座標系的迴歸直線。卻沒有證明兩種不同的座標系中，所求得的迴歸直線，其最小平方值(以及殘差平方和)之間的關係，也沒有提到y對x的迴歸式，與x對y的迴歸式兩者的差異？ (2)有的書則是直接由原始資料座標系中，用雙配方經由繁複步驟求得迴歸直線方程式。但是卻得到難以解讀的一組係數b =，學生很難想像標準差相除再乘上相關係數之後的意義是什麼？它與迴歸直線的斜率有什麼關聯？ (3)有些課本先討論迴歸直線的應用，再討論相關係數，次序就亂了。 (4)有課本在樣本標準差定義中是除n-1，故定義相關係數 有的些課本則定義r = ，其中，代表標準分數。 (5)也有課本先定義『樣本互變異數』，用樣本互變異數去表示標準化座標系中最適合直線(殘差平方和最小)的斜率。再求得Y對X的最適合直線，以及X對Y的最適合直線。 (6)過去由科教中心主編，國立編譯館出版的基礎數學，第四冊p.151，稱為『相關量數』，定義的名稱不同，可見困擾不少。 (7)Y對X的最適合直線X對Y的最適合直線兩條最適合直線的差別在哪裡？有哪些關聯？卻沒有加以說明兩直線相似度高，學生容易混淆。有的學生把Y對X的最適合直線，以及X對Y的最適合直線，誤以為是反函數的關係，卻無從了解『y座標的殘差平方和與x座標的殘差平方和是不同的，是兩種不同的衡量方法』。 (8)樣本標準差分母為什麼除(n-1)： 如果令為樣本平均數，為母群體平均數，通常母群體很大時，不易求得，我們常利用來計算樣本標準差，如果由母群體抽n個樣本，由於： ＝ ＝＋＋ ＝＋ （因為＝0） 則 ＝ ＋≧ 故母群體標準差≧，若以當標準差的估計值，常有低估的現象。因此統計學家改以作為樣本標準差的估計值。在樣本標準差的定義中除n-1，故定相關係數r =。 然而有些課本則定義相關係數r＝，這種定義的好處是不論標準差是除n或n-1均可適用。老師們也考慮，既然困擾，有必要，在高中階段，定義標準差，相關係數r =。 每次教到這個部分，學生的學習效果總是不理想，老師在推導係數的過程，也辛苦，教完了學生也不容易把迴歸直線方程式記下來，段考結束，迴歸直線方程式也就忘了。多元化的課程，本意是好的，但是，如果會造成老師教學的困擾、學生學習的困難，那就有立即改進的必要。我個人認為：如何証出迴歸直線的係數固然重要，要如何聯想、解讀與方便記憶這個係數也很重要。身為一個數學老師，內心存在一個理想，盼望能夠把數學教材裡比較難懂的知識結構，將它系統化、簡單化，利用內在心智模式體會的概念，把它融入教學軟體中，使學生在網路學習當中，有創意思考的功效，進而有主動學習的意願。撰寫本文的目的，在筆者想藉由資訊科技的優勢，透過GGB、.G.S.P與EXCEL的視覺化軟體，來建構「迴歸直線」在學生心中的觀念，解決前述教與學的困擾。利用過去所學過的標準差、相關係數等已習知識與概念，簡單的表示迴歸直線方程式的意義。 證明過程的先備知識 給定n個二維資料(x1y1), (x2, y2) , (x3, y3) ,…, (xn, yn)。例如x1，y1分別代表李同學在第一學期末的物理與數學成績x2，y2分別代表張同學在第一學期末的物理與數學成績等等：代表n位同學，第一學期期末物理成績的算術平均數。 ：代表n位同學，第一學期期末數學成績的算術平均數。 ＝代表n位同學物理成績的母群體標準差。 ＝代表n位同學數學成績的母群體標準差。 或代表物理、數學兩科成績的相關係數 由＝ 得到 ＝(A) 同理 ＝(B) 由 (C) , 代表物理、數學兩科成績的標準化分數迴歸直線的證明與計算過程 最小平方法的基本概念 在美國數學教師協會的網站有相當不錯的。 /document/eexamples/chap7/7.4/index.htm#applet NTM的E-standard對估計直線的衡量有三種標準： ()到直線最短距離和為最小 (二)到直線鉛直距離和為最小 (三)到直線殘差