10相关与回归资料.pptVIP

【问题10-5】 (1)所建立的回归方程是否成立？能否认为体重每增加1kg，BMI平均增加0. 311? 为什么? (2)在进行回归分析时，还应该做什么？ 【例10-5】 仍以例10-1的资料分析体重与BMI之间的关系 【分析】 (1)现在还不能认为该回归方程成立，也不能认为体重每增加1kg，BMI平均增加0. 311，下这样的结论还为时过早。因为根据样本资料计算的回归系数，与其他统计量一样，也存在抽样误差。即使从总体回归系数(β)等于零的总体中做随机抽样，由于抽样误差的存在，其样本回归系数也不一定为零 (2)要判断回归方程是否成立，应做假设检验 b 随样本变化而变化, 是一个随机变量 ? 总体的回归系数 b → ? 问题 : ? =0 吗? 关于回归的统计推断  回归方程的假设检验包括两个部分，即对回归方程的检验和对回归系数的检验。 前者用方差分析，后者用t检验。 对于简单回归分析，因为只有一个自变量，也就只有一个回归系数，因此，方差分析和t检验的结果是等价的，即方差分析和t检验的结论一致。 但当自变量或应变量的数量增加时，二者的意义有所差异，我们将在后面加以介绍 二、回归分析的假设检验 回归系数的假设检验 1)方差分析 2) t 检验 两者是等价的 (一)方差分析 与方差分析的基本思想一样，回归分析的方差分析也是对应变量y的总变异进行分解。图中任一点P的纵坐标均可被回归直线与均数 截成3段， P为双变量散点中任取的一点，若将全部数据点按上法处理，并把等式两端平方后求和，则有 记作 即将应变量y的总变异 分解为两部分 X (一)方差分析 1、 为x与y的直线关系而导致的y的变异，即由于x的改变引起的y的变化，称为回归平方和。 越大，说明回归效果越好 2. 反映的是x以外的因素引起的y的变异(包括抽样误差)，即不能用x解释的部分，称为残差平方和。 越大，直线回归的估计误差越大，在散点图上则表现为各散点距回归直线越远。 根据 进行方差分析的F检验，比较回归均方与剩余均方。如回归均方显著大于残差均方(F值大于一定界值)，可认为拟合的回归方程较好，或x与y的线性关系存在。用表10-4计算统计量F值，或直接利用SAS,SPSS和PEMS等统计软件包计算。 表10-4回归分析的方差分析计算表 表10-5调查对象的体重和BMI回归方程的方差分析表 【检验步骤】 1.建立假设检验，确定检验水准 H0： =0，即调查对象的体重和BMI间无直线关系 H1： 0，即调查对象的体重和BMI间有直线关系 2.计算检验统计量 利用表10-4或统计软件包计算得表10-5结果 3.确定P值.做出统计推断 按 ， ，查附表C6(F界值表)，P0.01，或直接按统计软件包计算得F= 260. 284 , P0. 001。按 水准，拒绝H0，接受H1，可认为调查对象的体重和BMI间存在直线关系，所求线性回归方程成立。 syx为残差标准差，其意义与 相同，反映x的影响被扣除后y的变异。计算公式为 (二)回归系数的t检验 t检验的目的是检验总体回归系数是否为0。tb的计算公式为 ， 其中，sb为回归系数的标准误，计算公式为 【检验步骤】 1.建立检验假设，确定检验水准 H0： =0，即调查对象的体重和BMI间无直线关系 H1： 0，即调查对象的体重和BMI间有直线关系 2.计算检验统计量 前面已算得n=12， 3.确定P值.做出统计推断 按 ，查附表C2(t界值表)，得t0.001,10=4.587，即P0. 001。按 水准，拒绝H0，接受H1，可认为调查对象的体重和BMI间存在直线关系，所求线性回归方程成立。与方差分析结果一致，且存在 的关系