第9章 直线回归与相关分析.ppt

第九章　直线回归与相关分析 ＆9.1　回归和相关分析概述 ＆9.2　直线回归分析 ＆9.3　直线相关分析 ＆9.4 应用直线回归与相关的注意事项 ＆9.1　回归和相关分析概述 二、回归、相关分析的任务与类型 三、两个变数资料的散点图 对具有统计关系的两个变数的资料进行初步考察的简便而有效的方法，是将这两个变数的n对观察值(x1，y1)、(x2，y2)、…、(xn，yn)分别以坐标点的形式标记于同一直角坐标平面上，获得散点图(scatter diagram)。 根据散点图可初步判定双变数X和Y间的关系: ①X和Y相关的性质(正或负)和密切程度 ②X和Y的关系是直线型的还是非直线型的 ③是否有一些特殊的点表示着其他因素的干扰 ＆9.2　直线回归分析 一、直线回归方程的建立 二、直线回归的显著性检验 三、用直线方程预测及控制(了解） 一、直线回归方程的建立 总体直线回归方程：y=α+βx 回归方程的基本条件（性质）： P157书例6-1设某食品感官评定试，测得食品甜度与蔗糖浓度的关系如下表所示，试求y对x的直线回归方程。 二、直线回归的显著性检验 回归关系的假设测验： 对于样本的回归方程，必须测定其来自无直线回归关系总体的概率大小。只有当这种概率小于0.05或0.01时，我们才能冒较小的危险确认其所代表的总体存在着直线回归关系。这就是回归关系的假设测验 。 1、回归系数显著性检验──t检验(不要求) 　 对直线回归系数b的假设检验为： HO ：β=0；HA β≠0。 在HO成立的条件下，回归系数b服从t分布。 2.回归关系显著性检验──F检验 统计学已证明，在直线回归分析中F检验与t检验法是等价的，可任选一种进行检验。 特别要指出的是：利用直线回归方程进行预测或控制，一般只能内插，不要轻易外延。 四、用直线方程预测及控制（了解，不要求） 1.回归方程的估计标准误sy/x为: 6-3在例6-1中测得蔗糖浓度为3.5%，①求其甜度y的平均值、预测值及95%的预测区间；②求其甜度y单个值的95%预测区间。 课堂练习： 某种食用抗氧化剂的热稳定性较差，在不同温度下测得的相对氧化活性如表，试利用回归工具预测其在不同热处理时间的抗氧化活性。 煎炸温度185℃ 下某种抗氧化剂的抗氧化活性 ＆9.3　直线相关分析 byx =SPxy/SSx 是x为自变量、y为依变量时的回归系数。 决定系数r2等于y对x的回归系数byx与x对y的回归系数bxy的乘积 r2=byxbxy 。 决定系数r2表示了互为因果关系的相关变量x与y间直线关系的程度。但决定系数介于0与1之间，不能反映x与y直线关系的性质──是同向增减或异向增减。 二、相关系数的显著性检验 　　相关系数r是样本相关系数， 它是双变量正态总体中的总体相关系数ρ的估计值。 查表法 先根据自由度n-2查临界r值(附表8)，得　　　　　 若|r|＜ ，P＞0.05，则相关系数r不显著； 若 　≤|r|＜ ，0.01＜P＜0.05，则相关系数r显著，标记“*”； 若|r|≥ ，P≤0.01， 则相关系数r极显著，标记“**”。 [例9.3] 试计算上例6-1食品甜度与蔗糖浓度的相关系数和决定系数。 三、直线回归与直线相关的联系 研究对象都是呈直线关系的相关变量。 直线回归分析将二个相关变量区分为自变量与依变量，侧重于寻求它们之间的联系形式──建立直线回归方程； 直线相关分析不区分自变量于依变量，侧重于揭示它们之间联系程度与性质──计算出相关系数。 练习题：在某工业生产中，试验因素x与试验指标y之间有密切关系，试验数据如下表，试求（1）y关于x的相关系数及相关显著性测验（2）求一元线性回归方程用回归显著性测验。 ＆9.4　应用直线回归与相关的注意事项（P169　自学） 1、要考虑到客观实际情况。 2、要考虑到回归系数、相关系数的适用范围。 3、必须严格控制被研究的两个变量以外的各个变量的变动范围。 4、两个样本的容量一般不应小于5。 5、正确理解“相关不显著”和“回归不显著”。 4．控制问题 　 是预测的反问题。即以1－a的置信度出区间（x1,x2）使当x在（x1,x2）内取值时，观察值y 落在(y1,y2）内。 解： 已求出 当x=3.5得甜度y的预测值 样本估计值 的标准误为： 其对应y总体均值 的95%的预测区间： 单个预测值 的估计标准误为： 当X＝3.5时，主y的单个值95%的预测区间： 时间（小时） 0 2 4 6 8 10 12 14 相对活性（