高级生物统计011.pptVIP

返回;（一）数学模型;α—总体回归截距， β—总体回归系数， εi为随机变量，相互独立，且都服从N(0,σ2) 即εi～N(0,σ2)， E (εi)=0，V (εi)=σ2； y～N (α + β x，σ2)， E (y)= α +β x，V (y)=σ2;（二）回归方程;b、a 的计算公式为：;;（三）显著性检验;1、 t检验;2、 F检验;;(舍入误差小）;可用 df1=1, df2=n-2 来检验 Ho：β=0成立与否。; 在直线回归分析中，F 检验与 t 检验等价，这是因为t(n-2)与F(1, n-2)有如下关系： 也就是说，凡是 F 检验中的大均方自由度为 1 ，则相应有一个与之等价的 t 检验，反之亦然。; 相关系数r 表示x与y线性相关的性质与程度 将∣r∣与r0.05(n-2)、r0.01(n-2) 比较，进行显著性 检验， 从而推断y与x间是否存在线性关系。;（四）决定系数 r2; ;1、? 的置信区间;;b是β的点估计值 ∵ 其中 —— 样本回归系数标准误;; 是α+βx的点估计值 ∵ 　 其中 —— 回归估计值标准误;;∵ 其中 —— 观测值 y 的标准误;; ;mi — 样本数； xi、yi 均为平均数。;;;;回归方程的建立;回归方程的显著性检验;决定系数 表明回归方程估测可靠程度高。;;三、有重复观察值的回归; 设一个试验有n个处理，其中x1、x2、…、xn-1重复1次，xn重复m次，观测结果如下： x1 x2 … xn-1 xn xn+1… xn+m-1 (xn= xn+1 = … = xn+m-1) y1 y2 … yn-1 yn yn+1… yn+m-1 ;; 利用xn处理的m个重复观测值，可以计算出反应真正的试验误差的平方和——称为纯误平方和相应的自由度： ——纯误平方和 ——纯误自由度;;;用统计量 来检验回归方程的失拟性。;1、 若FLf显著;可把 SSLf 与 SSe 合并来检验 SSR ;;3、 FLf显著，FR亦显著;(二) 全部试验都有重复的回归(等重复);x a; 此时，由xa、 计算b、a，建立回归方程：;;SSL f + SSe;;;回归方程的显著性检验;(三) 全部试验都有重复的回归(不等重复); 设一试验有n个处理，每个处理的重复数不等，分别为 m1、m2、… 、mn，观测结果如下：;上表中：; 此时，由xa、 利用加权法计算b、a，建立 回归方程：;平方和与自由度的划分式仍为： ;各项平方和与自由度的计算公式为：;;;[例1-2];;;2、 利用xa、 求b、a，建立回归方程;;3、进行显著性检验;平方和的计算;;自由度的计算;失拟性检验;回归方程的显著性检验; ;【例1·3】;(1) 检验 、 差异是否显著(误差方差齐性检验);;;(2) 检验b1与b2差异是否显著(检验两条回归直线是否平行);; 表明两个回归系数 b1、b2 差异不显著，可以认为这两条回归直线平行，并将两个回归系数 b1、b2 合并，合并回归系数 b 的计算公式如下：;;——回归截距差异标准误。;; 表明两个回归截距 a1、 a2 差异不显著 ，可以认为这两条回归线与 y 轴的交点相同，并将两个回归截距合并，合并回归回归截距计算公式为： ;;合并的回归方程为