第六讲硕士直线回归相关与等级相关精要.pptVIP

直线回归、直线相关与等级相关 第六讲 直线相关与回归分析概述 研究两个变量之间的相互关系的统计方法。 区别：直线回归研究两个变量之间的数量依存关系;直线相关研究两个随机变量相关的密切程度。 第一部分：回归的基本类型 直线回归（I、II型回归） 曲线回归 多元线性回归 直线回归分析 一、直线回归 （一）直线回归方程简介 定义：直线回归是用直线回归方程表示两个数量变量间依存关系的统计分析方法，属双变量分析（X、Y）的范畴。 y=a+b x y为应变量(dependent variable)：指在x规定范围内随机变化的量。 x为自变量(independent variable )：一般为资料中能精确测定和控制的量，也可为随机变化。 a 常数项:截距,是回归直线与纵轴的交点，表示 y的基线平均水平量； b 回归系数:斜率，意为x每改变一个单位时，y的平均变化量。 （二）直线回归及其过程 统计描述: 绘制散点图 定量描述直线回归模型:计算回归系数与常数项 统计推断: 直线回归关系的检验（方差分析与t检验） 95%可信区间（总体回归系数?， ?的总体均数的95%可信区间， Y值的95%可信区间） 实例分析 例1 某高校新生入学体检，测量了一年级12名女大学生的体重与肺活量数据如下,探讨肺活量对体重是否存在线性依存关系。 样本统计描述: 绘制散点图： 线性趋势？ 极端值？ 明确自变量与应变量：肺活量—体重 考察应变量是否具备独立性与正态性 散点图初步确定回归模型的线性趋势，明确有无极端、异常值。 2、估计直线回归方程中的回归系数b与常数项a 利用最小二乘法原理确定直线回归方程 先求 回归系数（b），基本公式：b=lxy/lxx=SSxy/SSxx 其中lxy为X,Y的离均差积和；lxx为X的离均差平方和。 再求常数项（a），根据回归方程 a等于Y的均值减去x均值与b乘积的差值。 实例分析 回归方程的图示 在散点图的基础上绘制回归方程的图示。 根据回归方程，在坐标轴上任意取相距较远的两点，连接上述两点就可得回归方程图示. 直线回归方程的统计推断 回归估计标准误：抽样误差造成回归方程不同。 回归关系检验又称回归方程检验，其目的是检验求得的回归方程在总体中是否成立，即是否样本代表的总体也有直线回归关系。 有相互等价两种方法:方差分析以及t检验。 3、假设检验:方差分析 其基本思想是将总变异分解为： SS总=SS回归+SS剩余 用F检验来判断回归方程是否成立。 其中SS回归表示在总变异中被x解释的部分，SS回归越大，表示回归效果越好；SS剩余表示除x的影响外剩余部分。 建立假设 H0：?=0, 即体重与肺活量之间无直线关系 H1： ?≠0， 即体重与肺活量之间有直线关系 检验水准?=0.05 无效假设：总体回归系数为0 备择假设：总体回归系数不为0 方差分析结果 F(1,10) 值= 12.95；P值= 0.005 结论：拒绝H0，接受H1，可认为总体上体 重与肺活量存在直线回归关系。 3. 假设检验:t检验 其基本思想也是推断总体回归系数?是否等于0，以判断回归方程是否成立。 4、直线回归相关参数估计 总体回归系数?的估计。 5、其它相关参数估计 X固定时， ?估计值 95%可信区间。 X固定时，Y值95%可信区间：个体Y值的容许区间，即总体中，当X为某定值时，个体Y值的波动范围。 ?与个体Y值的容许区间估计 （三）、直线回归类型的选择 I、II回归： 在资料要求上，回归要求因变量Y服从正态分布；X是可以精确测量与严格控制的变量，一般称为I型回归； 而对两个变量均服从双变量正态分布的资料，进行回归分析称为II型回归。 应变量（Y）满足独立性、方差齐性、正态性、效应可加性。 （四）、直线回归方程的应用 描述两变量之间的依存关系：利用直线回归方程即可定量描述两个变量间的依存关系。 利用回归方程进行预测：把预报因子（即自变量x）代入回归方程对预报量（即因变量Y）进行估计，即可得到个体Y值的容许区间。 利用回归方程进行统计控制：规定Y值的变化，通过控制x的范围实现统计控制的目标。 （五）、直线回归分析的注意事项 回归分析前,最好先作散点图,确定回归类型。回归分析两变量要有线性关系。 考核个别离群值及其作用 （五）、直线回归分析的注意事项 基本应用条件(LINE)：线性趋势L\独立性I\正态性N\方差齐性E。（直线回归要求应变量是正态分布计量资料，自变量可以是计量资料、等级资料、分类计数资料）。 方差齐性 利用残差(Y- ?)图，做分析后评价。在Y值存在自相关（不