11直线相关与回归解析.pptVIP

等级相关 例11-4 某地研究２~７岁急性白血病患儿的血小板数与出血症状程度之间的相关性， 结果见表11-2，试用秩相关进行分析。 秩相关分析 编秩 计算lpp、lqq、lpq 计算Spearman秩相关系数或等级相关系数，用rs表示。 Spearman秩相关系数 说明两个变量间相关的密切程度与方向; 样本相关系数：rs 总体相关系数： 取值介于-1~1之间 rs 0 为负相关，rs 0为正相关。 秩相关系数的假设检验 查表法：rs界值表 t检验 秩相关系数的假设检验---t检验法 建立假设，确定检验水准 H0：ρs＝0，出血症状与血小板数之间无相关关系 H1：ρs≠0 ，出血症状与血小板数之间有相关关系 ? = 0.05 计算统计量： r =-0.422，|r|=0.422 tr = (r-0)/sr=1.47 v=n-2=10 确定p值，下结论 t0.05/2,10=2.228, P0.05 可认为急性白血病患儿的出血症状与血小板数之间无相关关系。 秩相关系数的假设检验---查表法 建立假设，确定检验水准 H0：ρs＝0，出血症状与血小板数之间无相关关系 H1：ρs≠0 ，出血症状与血小板数之间有相关关系 ? = 0.05 查rs界值表： r =-0.422，|r|=0.422 n=12，r0.05/2,12=0.587 确定p值，下结论 P0.05 可认为急性白血病患儿的出血症状与血小板数之间无相关关系。 a.计算线性相关系数r=0.930，你可以得出变量x,y相关吗？请解释 b.请画散点图 c.使用线性相关系数描述相关性合适吗？请解释 确定P值 P0.05 下结论：拒绝H0，差别有统计学意义，可认为凝血酶浓度与凝血时间存在直线回归关系。回归方程是？ * 线性回归中应注意的问题2 绘制散点图。 * 直线相关与回归的区别与联系 联系 正负符号相同：在同一资料，r与b的正负符号相同。 假设检验等价：在同一资料，r与b的假设检验统计量t值相等：tr=tb，自由度亦相等，故r与b 的假设检验等价。 相关与回归相互解释：R2=SS回/SS总，R2越大反映模型的拟合效果越好。 * 直线相关与回归的区别与联系 区别 意义不同：相关反映两变量的相互关系，是一种双向关系；而回归反映两变量间的数量依存关系，只是由自变量x预测应变量的单向关系。 应用条件不同：回归要求自变量是能够精确测量或严格控制的变量，对确定的x，应变量y是服从正态分布的随机变量；相关要求x、y服从双变量正态分布。 r与b意义与取值范围不同：r反映两变量的相关关系，-1＜r＜1 ，|r|越接近于1则变量间相关关系密切程度越强；b是回归直线的斜率，可任意取值，|b|越大则回归直线越陡。 * 掌握内容 相关系数的概念及假设检验 回归模型的前提假设 回归参数估计的最小二乘原则 回归系数的意义与假设检验 相关与回归分析的区别与联系 13周周二下午2点考试 思考1 r=0.930 27 8 1 0 1 8 -27 y 3 2 1 0 -1 -2 -3 x * 线性回归 研究两变量数量依存性 X 自变量 (independent variable, explanatory variable) Y 因变量 (dependent variable, response variable) 直线回归模型的形式： * 回归模型的前提假设 线性(linear) 独立(independent) 正态(normal) 等方差(equal variance) 恰好为“LINE”。 * 给定X时，Y是正态分布、等方差示意图 ? x y * 给定X时，Y是正态分布、不等方差示意图 ? x y * 线性回归 直线回归模型的形式： * 最小二乘法(least square estimation，LSE) 基本思想：使各实测值Y与回归直线上对应的估计值 之差的平方和 为最小，在这个准则下，可导出a、b的最小二乘估计如下： 估计回归参数，建立回归模型 * 点到直线的纵向距离 点到回归直线的距离为最小！ * 自变量 反应变量 * ①先作散点图，以判断两变量间是否呈线性趋势 * 回归系数b： ②求直线回归方程 截距a： * ③绘制回归直线 计算不太接近的两点的Y值： X=1.1单位/毫升时 Y=21.77393-6.9802×1.1=14.0957(L) X=0.6单位/毫升时 Y=2