简单回归分析.pptVIP

Regression 释意 outline 简单线性回归 回归系数的假设检验和区间估计 回归模型的假设检验 线性回归的应用 估计置信区间 估计预测区间 残差分析 1 概述 Y 因变量 (dependent variable, response variable) X 自变量 (independent variable, explanatory variable) 直线回归的形式： 2 回归模型的前提假设 线性(linear) 独立(independent) 正态(normal) 等方差(equal variance) 恰好为“LINE”。 给定X时，Y是正态分布、等方差示意图 给定X时，Y是正态分布、不等方差示意图 最小二乘法(least square estimation，LSE) 基本思想：使各实测值Y与回归直线上对应的估计值 之差的平方和 为最小，在这个准则下，可导出a、b的最小二乘估计如下： ①先作散点图，以判断两变量间是否呈线性趋势 回归系数b： ③绘制回归直线 计算不太接近的两点的Y值： X=1.1单位/毫升时 Y=21.77393-6.9802×1.1=14.0957(L) X=0.6单位/毫升时 Y=21.77393-6.9802×0.6=17.5858(L) ③绘制回归直线 4 回归方程的意义及性质 1) b 的意义 2) a 的意义 3) 的意义 4) 的意义 5) 的意义 b 的意义 回归系数b称为斜率(slope)，表示自变量增加一个单位时，应变量平均改变的量。 凝血酶浓度每增加1 单位/ml,则凝血时间平均减少 6.9802秒 b 的单位为 (Y的单位/X的单位) 回归与相关均表示两变量间的线性关系，故回归系数b与相关系数r的正负号是相同的。 a 的意义 估计值 的意义 X=1.1时, =14.0957, 即凝血酶浓度为1.1单位/ml的健康成人中，估计其平均凝血时间为14.0957秒。 X=0.6时， =17.5858, 即凝血酶浓度为0.6单位/ml的健康成人中，估计其平均凝血时间为17.5858秒 给定X时，Y的估计值。 由凝血酶浓度x估计凝血时间y 的意义 残差平方和或剩余平方和 (residual sum of squares)。 综合表示点距直线的距离。 在所有的直线中，回归直线的残差平方和是最小的。(最小二乘) 点到直线的距离 回归直线的有关性质 直线通过均点 直线上方各点到直线的纵向距离之和 = 直线下方各点到直线的纵向距离之和 即: 各点到该回归线纵向距离平方和较到其它任何直线者为小。 即 最小 5总体回归系数β的统计推断 假设检验 区间估计 ①样本回归系数b的标准误： sy,x为 的剩余标准差 ： X的离均差平方和为 ： ②总体回归系数β的假设检验 回归系数的 t 检验 总体回归系数的假设检验 建立假设，确定检验水准 H0: β=0，即两指标间无直线回归关系； H1:β≠0 ，即两指标间有直线回归关系； ? = 0.05 计算检验统计量： ,v=n-2=13 确定p值 t0.05/2,13=2.16 ，p0.05 下结论：拒绝H0，可认为两变量间存在直线回归关系。 回归系数与相关系数的假设检验 ③总体回归系数β的置信区间 6 因变量总变异的分解 Y的总变异分解 Y的总变异分解 方差分析表 变异来源 SS v MS F 回 归 SS回 2 SS回/1 MS回/ MS剩 剩 余 SS剩 n-2 SS剩/n-2 总变异 SS总 n-1 回归方程的假设检验---方差分析 H 0：两指标间无直线回归关系； H 1：两指标间有直线回归关系。 ? = 0.05。 lXX，lYY，lXY