第七章一元线性回归分析.pptVIP

第七章　一元线性回归分析 相关分析 回归分析 一元与多元 线性与非线性 一元线性回归方程的建立 一元线性回归方程的检验 一元线性回归方程的应用 回归线 回归线 一条最能代表散点图上分布趋势的直线，这条最优拟合线即称为回归线。 回归线 回归线 回归线 最小二乘法 使各点与回归线纵向距离的平方和 最小。 回归方程 与回归线相应的方程称回归方程。 回归方程的建立 由Y估计X 语文成绩与智商 计算 例6-1 某研究者欲探讨学前儿童的同伴互动经验（X）与社交技能（Y）之间的关系，于是在某幼儿园随机抽取了11名大班幼儿进行观察，计分方法采用百分制，观察后结果如下表所示，请帮助该研究者建立由同伴互动经验预测社交技能时的回归方程。 一元线性回归方程的检验 三种等效的方法： 对回归方程进行方差分析 对两个变量的相关系数进行与总体零相关的显著性检验； 对回归系数进行显著性检验。 对回归方程的方差分析 方差分析 回归效果不显著的原因 影响变量Y取值的，除变量X以外，还有其他不可忽略的因素 变量X与Y的关系不是线性的，而存在其他的关系 变量X与Y不存在关系 决定系数 决定系数指回归平方和在总平方和中所占比例，这个比例越大，意味着误差平方和所占比例越小，预测效果就越好。测定系数同时等于相关系数的平方。 决定系数，即相关系数的平方，等于回归平方和在总平方和中所占的比例。因此r2≤1，比值越接近1，说明变量X对变量Y的预测效果越好。 对回归系数进行显著性检验 估计误差的标准差 由于与 X 各点相对应的诸 YX 值之平均数和标准差均为未知，故估计误差的标准差只能从样本加以估计。其无偏估计量为： 对回归系数进行显著性检验 在回归线上，当与所有自变量X相对应的各组因变量Y的残值都呈正态分布，并且残值方差为齐性时，可以用以下公式进行显著性检验。 公式 一元线性回归方程的应用 用样本回归方程推算因变量的回归值 点估计 如果有一名大班幼儿同伴互动经验的得分为60，那么请利用例6-1中所建立的回归方程估计该幼儿的社交技能的得分是多少？ 区间估计 对因变量真值的预测 思考与练习 1．简述回归分析与相关分析的关系。 ２．简述最小二乘法。 ３．为什么要对回归方程进行检验？ ４．什么是决定系数？它有何意义？ ５．为研究儿童问题行为与母亲不耐心程度，现抽取10个家庭，让儿童与其母亲一道完成一件需相互配合才能完成的工作，观察并记录他们的表现。下表为儿童问题行为得分与母亲不耐心程度得分。（1）请根据表中数据建立母亲不耐心程度（X）对儿童问题行为（Y）的回归方程；（2）检验回归方程的显著性；（3）该方程的预测效果如何？（4）如果某位母亲的不耐心程度得分为85，请估计其孩子的问题行为得分是多少（点估计）？ 二元线性回归方程 二元线性回归方程是指一个因变量Y与两个自变量X1与X2之间建立的线性回归方程。 二元线性回归方程也用最小二乘法来确定回归系数。 二元线性回归方程的偏回归系数 式中各个L都是相应的离差平方和或离差乘积和 例题 答案 * 由X估计Y 100139 173038 58069 1376 797 总和 10608 9585 8160 11900 9750 9344 8784 7670 8330 7128 8880 18496 18225 14400 19600 16900 16384 14884 13924 14161 11664 14400 6084 5041 4624 7225 5625 5329 5184 4225 4900 4356 5476 136 135 120 140 130 128 122 118 119 108 120 78 71 68 85 75 73 72 65 70 66 74 1 2 3 4 5 6 7 8 9 10 11 XY Y2 X2 Y X 序号 77 80 75 85 83 84 70 78 76 82 92 Y 79 74 70 90 81 78 68 73 77 75 89 X 11 10 9 8 7 6 5 4 3 2 1 变量 表6-1 11名幼儿同伴互动经验与社交技能的观察得分 n - 1 SST 总变异 MSE n - 2 SSE 误差 MSR/MSE MSR 1 SSR 回归 F 值 均方 自由度 平方和 方差来源 10 351.636 总变异 11.707 9 105.36 误差 21.04** 246.276 1 246.276 回归 F 值 均方 自由度 平方和 方差来源 注:**表示P 0.01 60 65 65 80 75 60 75 70 75 70 Y 55 70 60 75 70 65 80 70 70 80 X 10 9 8 7 6