第10章 线性相关与回归详解.ppt

相关关系与确定性关系 确定性关系：两变量间的函数关系 圆的周长与半径的关系： C＝2?R 速度、时间与路程的关系：L＝ST X与Y的函数关系： Y＝a+bX 非确定性关系：两变量在宏观上存在关系，但并未精确到可以用函数关系来表达。 青少年身高与年龄的关系； 年龄与血脂的关系；身高与脚掌长的关系； 体重与体表面积的关系；心脏与拳头的关系； 二、线性相关系数 在分析两个变量X与Y之间关系时，常常要了解X与Y之 间有无相关关系，相关是否密切，是呈正相关还是负相 关。相关系数就是说明具有直线关系的两个变量间相关 密切程度和相关方向的统计量。 皮尔森(Pearson)相关系数的计算公式为： 相关系数的计算方法  计算时分别可用下面公式带入相关系数r的计算公式中 三、相关系数的显著性检验 常用的检验方法有两种: 1.按自由度直接查附表11的界值表，得到P 值。 四、进行线性相关分析的注意事项 ⒈ 线性相关表示两个变量之间的相互关系是双向的，分析两个变量之间到底有无相关关系可首先绘制散点图，散点图呈现出直线趋势时，再作分析。 四、进行线性相关分析的注意事项 ⒊ 依据公式计算出的相关系数仅是样本相关系数，它是总体相关系数的一个估计值，与总体相关系数之间存在着抽样误差，要判断两个事物之间有无相关及相关的密切程度，必须作假设检验。 四、进行线性相关分析的注意事项 ⒋ 相关分析是用相关系数来描述两个变量间相互关系的密切程度和方向，而两个事物之间的关系既可能是依存因果关系，也可能仅是相互伴随的数量关系。决不可因为两事物间的相关系数有统计学意义，就认为两者之间存在着因果关系，要证明两事物间确实存在因果关系，必须凭借专业知识加以阐明。 Regression 释义 Y 因变量，响应变量 (dependent variable, response variable) X 自变量，解释变量 (independent variable, explanatory variable) 直线回归的形式： 直线回归方程的建立 最小二乘法(least square estimation) 二、线性回归方程的计算 回归系数和回归方程的意义及性质 b 的意义 a 的意义 的意义 的意义 a 的意义 b 的意义 斜率(slope) 温度每增加 1oC, 则心率平均增加 1.523(次/分) b 的单位为 (Y的单位/X的单位) 估计值 的意义 给定X时，Y的估计值。当 时， 的意义 回归直线的有关性质 (1) 直线通过均点 (2) 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: (3) 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。 线性回归方程的应用 三、线性回归方程的显著性检验 对线性回归方程要进行假设检验，就是要检验b是否为β=0的总体中的一个随机样本。该假设检验通常用方差分析或者t检验，两者的检验效果等价。 因变量总变异的分解 Y的总变异分解 未引进回归时的总变异： (sum of squares about the mean of Y) 引进回归以后的变异(剩余): (sum of squares about regression) 回归的贡献，回归平方和： (sum of squares due to regression) Y的总变异分解 剩余标准差 四、进行线性回归分析的注意事项 ⒈ 只有将两个有内在联系的变量放在一起进行回归分析才是有意义的。 ⒉ 作回归分析时，如果两个有内在联系的变量之间存在的是一种依存因果的关系，那么应该以“因”的变量为X ,以“果”的变量为Y 。如果变量之间并无因果关系，则应以易于测定、较为稳定或变异较小者为X 。 ⒊ II型回归模型，两个变量应该都服从正态分布; I型回归模型，与每个X 取值相对应的变量Y必须服从正态分布。如果数据不符合要求，在进行回归分析前，必须先进行变量的变换。 四、进行线性回归分析的注意事项 ⒋ 回归方程建立后必