c应用统计学相关与回归.pptVIP

例4 仍以数据corr.sav为例，进一步作回归分析，计算进食量与体重增量之间的回归方程。 分析： 与相关分析类似，在回归分析之前首先要考虑的问题是两变量是否存在某种趋势，通过前面的散点图已经得到了肯定的结论，因此直接进行回归分析。 简单回归分析 绘制散点图如下： 简单回归分析 ①两变量间存在线性相关趋势 ②没有发现明显的异常值 简单回归分析 选择 应变量 选择 自变量 简单回归分析 简单回归分析 结果分析 对各自变量纳入模型情况的汇总，本例只有一个自变量。 简单回归分析 结果分析 对模型的简单汇总，即对回归方程拟合情况的描述。本例决定系数为0.883。 简单回归分析 结果分析 对模型进行方差分析的结果，说明模型具有统计学意义。 最重要 简单回归分析 结果分析 给出了回归方程中的常数项、回归系数的估计值和检验结果，可写出回归方程如下： 体重增量 ＝ - 17.357＋0.222×进食量 小 结 相关系数r 表示两变量间的直线相关程度，r 值的范围为-1~1。r 为正表示X与Y之间为正相关，r为负表示负相关。r 接近于0表示两变量间关系不密切。但r 有抽样误差，故算得相关系数之后，必须检验相应的总体相关系数?是否为0。 小 结 研究中一般只涉及直线相关关系，但从理论上讲，可以进行变量间的曲线相关分析；如果希望扣除其他变量的影响，可以