09双变量回归与相关教程.ppt

双变量回归与相关 现实生活中，许多现象之间有相互联系，然而并不像函数那样是确定性关系。例如：身高与体重、体温与脉搏、年龄与医疗费用等。在这些有关系的现象中，它们之间联系的程度和性质也各不相同。有些变量间关系密切，有些不密切；有些是因果关系；但是，有的现象之间因果不清，只是伴随关系。 为了研究父亲与成年儿子身高之间的关系，卡尔.皮尔逊测量了1078对父子的身高。把1078对数字表示在坐标上，如图。用水平轴X上的数代表父亲身高，垂直轴Y上的数代表儿子的身高，1078个点所形成的图形是一个散点图。它的形状象一块橄榄状的云，中间的点密集，边沿的点稀少，其主要部分是一个椭圆。 回归方程 直线回归的任务就是要找出因变量随自变量变化的直线方程，我们把这个直线方程叫做直线回归方程。 最小二乘法(least square method, LS)：使各散点到直线的纵向距离的平方和最小。 求偏导数得正规方程组 回归直线的描绘 根据求得的回归方程，可以在自变量X的实测范围内任取两个值，代入方程中，求得相应的Y估计值，以这两对数据找出对应的两个坐标点，将两点连接为一条直线，就是该方程的回归直线。 回归直线一定经过 。这两点可以用来核对图线绘制是否正确。 直线回归方程是从样本资料计算而得的，a、b同样存在着抽样误差问题。所以，需要对样本的回归系数b进行假设检验，以判断b是否从回归系数为零的总体中抽得。为了判断抽样误差的影响，需对回归系数进行假设检验。 总体的回归系数用β表示。 回归系数的假设检验 H0：β=0 H1：β≠0 α=0.05 选择合适的假设检验方法(方法有二），计算检验统计量 （1）方差分析 （2）t检验 判断P值 做出推论：统计学结论和专业结论 SS剩的求法 b的检验－方差分析 b的检验－t检验 剩余（残差）标准差 SY.X 斜率b的假设检验 H0: ? = 0 H1: ? ? 0 ? ? .05 自由度 ? 8 - 2 = 6 查t界值表: 回归方程的参数估计（了解） (一) 个体Y值的预测区间（注：不属于参数估计范畴） (二) 的区间估计（注：属于参数 估计） 95％ 的置信区间与 个体 Y 的预测区间 95％ 的可信区间与 个体 Y 的预测区间图 直线回归的应用 ?描述两变量之间的依存关系：通过回归系数的假设检验,若认为两变量之间存在直线回归关系,则可用直线回归方程来描述。 ?利用回归方程进行预测 ：把自变量代入回归方程，对应变量进行估计，可求出应变量的波动范围。 　1)个体Y值的预测区间（prediction interval, PI),若对所有X估计对应Y的预测区间，并将上限、下限分别相联，得Y值的预测带（prediction band). 2) 的可信区间(confidence interval,CI) ?利用回归方程进行统计控制—预测的逆过程。 ?与ANOVA结合，协方差分析。 图9－6 相关系数示意图 图9－6 相关系数示意图 一、 相关系数概念 相关系数(correlation coefficient)，又称积差相关系数（coefficient of product – moment correlation），或 Pearson’s corr. Coeff. （软件中常用此名称） 用以说明两变量间相互关系的密切程度和方向的指标。 二、 相关系数的计算 实例 相关系数的假设检验 上例中的相关系数r 等于0.8818，说明了8例样本中儿童年龄与尿肌酐之间存在相关关系。 但是，这8例只是总体中的一个样本，由此得到的相关系数会存在抽样误差。因为，即使总体相关系数（?）为零时，由于抽样误差，从总体抽出的8例，其r 可能不等于零。 所以，要判断该样本的r是否有意义，需与总体相关系数?=0进行比较，看两者的差别有无统计学意义。这就要对r进行假设检验，判断r不等于零是由于抽样误差所致，还是两个变量之间确实存在相关关系。 三、直线相关的应用 前面我们已经讲过，相关是研究两个变量间的相互关系，而且这种相互关系是用相关系数反映的。在存在相关关系的前提下(P0.05)，如果r的绝对值越大，说明两个变量之间的关联程度越强；如果r绝对值越小，则说明两个变量之间的关系越弱。 一般说来，当样本量较大，并对r进行假设检验，有统