12线性回归分析2.pptVIP

第12章 线性回归分析 两变量间的关系 A 无关系 B 有关系 确定性关系：已知一个变量 能够精确求出另一个变量的值，两变量是完全对应的。如I=U/R、V=S/T 非确定性关系：两变量存在某种关系，但非完全的一一对应关系，而是具有某种趋势。例：正常人血压随年龄增高而增高，但不能讲某一年龄的人，他的血压一定是多少。 对于线性回归，若只有1个自变量，称为简单回归(simple regression)； 若有2个或2个以上自变量，称为多重回归(multiple regression)。 当这种数量关系为曲线关系时，称为曲线回归/非线性回归(curve regression/nonlinear regression)。 例12-1 用某饲料喂养12只大白鼠，得出大白鼠的进食量与体重增加量如表12-1，试绘其散点图. 由图12-1可见，体重增加量随进食量增加而增大且呈直线趋势，但并非12个点子恰好全都在一直线上。这与两变量间严格对应的函数关系不同，称为直线回归(linear regression)。直线回归是回归分析中最基本、最简单的一种，故又称简单回归(simple regression)。 回归方程的一般形式： a为回归直线在Y轴上的截距(intercept) ，即X=0时的Y的估计值。 ? a0 表示回归直线与Y轴的交点在原点上方 ? a0 表示回归直线与Y轴的交点在原点下方 ? a=0 表示回归直线通过原点 b为回归系数(coefficient of regression)即回归直线的斜率（ slope ），b的统计学意义是X每增加 （减少）一个单位，Y平均改变b个单位。 b0 Y随X的增大而增大 b0 Y随X的增大而减小 b=0 回归直线与X轴平行，Y与X之间无直线关系。 直线回归方程的求法 用最小二乘法(least square method)求a、b，使得各实测点到该直线的纵向距离的平方和(残差，剩余平方和)最小，可得a和b的计算公式： 直线回归方程的求解过程 求中间统计量lXX、l YY、 lXY 3、按公式求a、b，并列出回归方程 则 直线回归方程的图示 在X的实测范围内任取相距较远且易读的两个X值，代入回归方程，求相应的 ，然后将这两点连成一条线即可。可用下列两点来核对图形绘制是否正确： 1、 所绘直线必通过点（ 、 ） 2、此直线与Y轴交点的纵坐标等于a (直线是否在自变量X的实测范围内) 直线回归系数的假设检验 b是?的估计值，b存在抽样误差，其大小可用b的标准误Sb来表示。即使?=0，，由于抽样误差的存在使所得b值也可能不为0，因此求得了b的大小还应该作?=0的检验。具体有两种方法：方差分析法与t检验。 lYY 的分解： 表示为： = + ?总=?回+?剩 (?总=n-1,?回=1,?剩=n-2) SS总是Y的离均差平方和,表示Y的总变异。 SS回表示在Y的总变异中可用X来解释的部分，即使得总变异?(Y- )2减少的那部分。 SS回越大，说明回归效果越好。 SS回=blXY= SS剩表示在Y的总变异中无法用X解释的部分，即除了X对Y的线性影响外，其它一切因素对Y变异的作用。 将SS总分解为SS回与SS剩两部分，SS回越大表明回归效果越好，即X对Y 的影响越大； SS剩越小，说明各实测点到回归直线越近，回归的估计误差越小。 比较回归均方和误差均方，计算检验统计量F值 ?回=1，?剩=n-2 H0：体重的增加量与进食量之间无直线关系 （?=0） H1：体重的增加量与进食量之间有直线关系 （??0） ?=0.05 ?SS总=lYY=193.3 SS回=blXY=lXY2/lXX=2681.62/41389.4=173.7 SS剩= SS总- SS回=193.3-173.7=19.6 ?回=1，?剩=12-2=10 查F界值表，得P0.001 ，所以按?=0.05水准拒绝H0，接受H1，故可认为体重的增加量与进食量之间有直线关系 ，绘制回归直线 （二、）t 检验 当β=0时，样本回归系数b服从正态分布 ?=?剩=n-2 Sb为样本回归系数b的标准误，SY.X为剩余