【幻灯片】第五章回归分析.pptVIP

在进行直线回归与相关分析时，两个变量成对观测值应尽可能多一些，这样可提高分析的精确性，一般至少有5对以上的观测值。同时变量x的取值范围要尽可能大一些，这样才容易发现两个变量间的变化关系。 只有经检验拒绝了无效的假设，回归方程才有意义。当然也要正确理解检验的含义，一个不显著的回归系数并不意味着变量间没有回归关系，只能说明两变量间没有显著直线回归关系，并不排除它们的非线性回归方程的存在 数学模型和基本假定 y y的总体平均数 因x引起y的变异 y的随机误差 总体回归截踞 总体回归系数 随机误差 直线回归的数学模型 基本假定 x是没有误差的固定变量，或其误差可以忽略，而y是随机变量，且有随机误差。 x是的任一值对应着一个y总体，且作正态分布，其平均数μ＝α+βx，方差受偶然因素的影响，不因x的变化而改变。 随机误差ε是相互独立的，呈正态分布。 y 变量1 变量2 收集数据 散点图 温度 天数 X Y 平均温度（℃） 历期天数（d ） 11.8 30.1 14.7 17.3 15.6 16.7 16.8 13.6 17.1 11.9 18.8 10.7 19.5 8.3 20.4 6.7 黏虫孵化历期平均温度与历期天数关系图 0 10 20 30 40 10 12 14 16 18 20 22 温度 天数（天） （℃） X Y 平均温度（℃） 历期天数（d ） 11.8 30.1 14.7 17.3 15.6 16.7 16.8 13.6 17.1 11.9 18.8 10.7 19.5 8.3 20.4 6.7 0 10 20 30 40 10 12 14 16 18 20 22 温度 天数（天） （℃） 11.8-----20.4 用x估计y，存在随机误差，必须根据回归的数学模型对随机误差进行估计，并对回归方程进行检验。 y 误差 三、直线回归的假设检验 有意义 指导实践 ？ 是否真正存在线性关系 回归关系是否显著 检验线性回归系数的显著性，采用t检验法进行。 假 设 H0:β=0　 HA:β≠0 检验样本回归系数b是否来自β=0的双变量总体，以推断线性回归的显著性。 (三）t检验 df=n-2 回归系数的标准误 两个变量是否存在线性关系，可采用F检验法进行。 总体回归截踞 总体回归系数 随机误差 若x与y间不存在直线关系，则总体回归系数β=0; 若x与y间存在直线关系，则总体回归系数β≠0 假 设 H0:两变量间无线性关系　 HA:两变量间有线性关系 在无效假设存在下，回归方差与离回归方差的比值服从F分布。 df1= 1