第6章 双变量相关和回归20111012.ppt

求职应注意的礼仪 求职时最礼貌的修饰是淡妆 面试时最关键的神情是郑重 无论站还是坐，不能摇动和抖动 对话时目光不能游弋不定 要控制小动作 不要为掩饰紧张情绪而散淡 最优雅的礼仪修养是体现自然 以一种修养面对两种结果 必须首先学会面对的一种结果----被拒绝 仍然感谢这次机会，因为被拒绝是面试后的两种结果之一。 被拒绝是招聘单位对我们综合考虑的结果，因为我们最关心的是自己什么地方与用人要求不一致，而不仅仅是面试中的表现。 不要欺骗自己，说“我本来就不想去”等等。 认真考虑是否有必要再做努力。 必须学会欣然面对的一种结果----被接纳 以具体的形式感谢招聘单位的接纳，如邮件、短信 考虑怎样使自己的知识能力更适应工作需要 把走进工作岗位当作职业生涯的重要的第一步，认真思考如何为以后的发展开好头。 Thank you **【例6-3】 由图6-4可见，例6-1资料三岁儿童体重与体表面积资料的散点图有直线趋势，故适于作直线回归分析，用例6-1资料建立的直线回归方程并进行检验。 手工计算过程 用程序型计算器，在线性回归工作方式下，成对输入x与y后，可直接得出a＝2.66，b=0.23，r=0.92。一般计算器时，则先计算得＝775.35，n＝10，＝13.4，＝5.72，Sx＝1.66，Sy＝0.42，再按式6-1、式6-11、式6-12计算r＝0.92，b＝0.23，a＝2.66。 查r界值表（附表11），得P＜0.05。可认为该地三岁儿童体表面积关于体重的直线回归方程＝2.66＋0.23x有统计学意义。 **【SPSS操作】 打开数据文件例6-1.sav，→Analyze→Regression→Linear Regression（线性回归），以体重为Independent，体表面积为dependent，→Statistic，选择√Confidence intervals，→Continue；→OK。输出结果： 分析结果 如图6-10：相关系数r=0.918，决定系数R2=0.843，表明可由自变量x来解释的变异（回归平方和）在y的总变异（总平方和）中占84.3%。 分析结果 直线回归方差分析见图6-11：F=42.798，P=0.000。可认为y与x之间有线性回归关系。 分析结果 回归分析的系数表见图6-12：直线回归方程的截距a=2.655，检验统计量为t＝5.616，P=0.001，总体截距的95％置信区间为（1.565，3.745）；回归系数b＝0.229，检验统计量为t＝6.542，P=0.000；总体回归系数β的95%置信区间为（0.148，0.309）。结论同前。 * 五、直线回归与相关应用的注意事项 * 1．根据分析目的选择变量及统计方法 直线相关用于说明两变量之间直线关系的方向和密切程度，X与Y没有主次之分； 直线回归则进一步地用于定量刻画应变量Y对自变量X在数值上的依存关系，其中应变量的定夺主要依专业要求而定，可以考虑把易于精确测量的变量作为X，另一个随机变量作Y，例如用身高估计体表面积。 两个变量的选择一定要结合专业背景，不能把毫无关联的两种现象勉强作回归或相关分析。 * * 2．进行相关、回归分析前应绘制散点图—第一步 （1） 散点图可考察两变量是否有直线趋势； （2） 可发现离群点（outlier）。 散点图对离群点的识别与处理需要从专业知识和现有数据两方面来考虑，结果可能是现有回归模型的假设错误需要改变模型形式，也可能是抽样误差造成的一次偶然结果甚至过失误差。需要认真核对原始数据并检查其产生过程认定是过失误差，或者通过重复测定确定是抽样误差造成的偶然结果，才可以谨慎地剔除或采用其它估计方法。 102 * 3．资料的要求  直线相关分析要求 X与Y 服从双变量正态分布； 直线回归要求至少对于每个 X 相应的 Y 要服从正态分布，X可以是服从正态分布的随机变量也可以是能精确测量和严格控制的非随机变量； * 对于双变量正态分布资料，根据研究目的可选择由 X 估计 Y 或者由 Y 估计 X ，一般情况下两个回归方程不相同）。 102 * 反应两变量关系密切程度或数量上影响大小的统计量应该是回归系数或相关系数的绝对值，而不是假设检验的P值。 P值越小只能说越有理由认为变量间的直线关系存在，而不能说关系越密切或越“显著”。另外，直线回归用于预测时，其适用范围一般不应超出样本中自变量的取值范围。 4．结果解释及正确应用 * （二）总体相关系数的可信区间 102 * 具体步骤如下 102 * 例9-7 对例9-5所得r值，估计总体相关系数的95%可信区间。 再按公式（9