10一元线性回归与相关1-董进曲.pptVIP

2. 回归关系显著性检验－F检验 零假设 备择假设 统计量 回归平方和的计算方式： 离回归平方和的计算公式： 对于【例11.1】资料，有 而dfy=n-1=12-1=11，dfR=1，dfe=n-2=12-2=10。 于是可列出方差分析表进行回归关系显著性检验。 表11-2 四川白鹅70日龄重与雏鹅重直线回归关系方差分析表 11 831491.67 总变异 3715.21 10 37152.07 离回归 213.81** 794339.60 1 79439.60 回归 F值 MS df SS 变异来源 表明四川白鹅的 70日龄重与雏鹅重间存在极显著的直线回归关系。 F检验的结果与t检验的结果一致。统计学已证明，在直线回归分析中这二种检验法是等价的，可任选一种进行检验。 由于四川白鹅 70日龄重与雏鹅重间的直线回归关系极显著，在实际生产中， 可以通过四川白鹅的雏鹅重来对70日龄重作出预测或控制。 特别要指出的是：利用直线回归方程进行预测或控制时，一般只适用于原来研究的范围，不能随意把范围扩大。 3. 有重复时的情况 　SSpe称为纯实验误差平方和；SSLOF 称为失拟平方和 设实验共收集　　　　　　　对数据，在每一下做了　　　　　　　　 回归自由度等于自变量的个数即 y的总自由度 失拟项的自由度 纯误差项的自由度 在回归分析中，先用纯实验误差均方对失拟均方做检验： 若结果不显著，则要合并失拟平方和与纯误差平方和及合并后的均方，然后在对回归均方作检验： 举例 p189 　　进行直线相关分析的基本任务在于根据x，y的实际观察数据，计算出表示x，y两个变量间线性相关的程度和性质的统计量——相关系数，并进行显著性检验。 一、决定系数和相关系数 对于相关变量x与y的n对观测值，可建立直线回归方程： 　已证明了等式： 。所以：y与x直线回归效果的好坏取决于回归平方和 与离回归平方 和 　　的大小，或者说取决于回归平方和 在y的总平方和　　　　中所占比例的大小。这个比例越大，y与x的直线回归效果就越好，反之则差。 第二节 直线相关 (一)决定系数 　　决定系数的大小表示了回归方程估测可靠程度的高低，或说表示了回归直线拟合度的高低． 　　但决定系数介于0与1之间，不能反映x与y直线关系的性质──是同向增减或异向增减。若求r2的平方根，且取平方根的符号与乘积和SXY的符号一致，这样求出的平方根既可表示y与x的直线关系的程度，也可表示其性质。 统计学把这样计算所得的统计量称为x与y的相关系数(coefficient of correlation)，记为r，即 （二）相关系数 相关系数反映了相关变量x与y的直线相关的程度和性质 -1≤r≤1， 若r=-1，为完全负相关； 　　　　　r=+1，为完全正相关。 r的符号与SXY同号 R的符号反映了相关变量x与y直线相关的性质； ?r?大小反映了相关变量x与y直线相关的程度； 二、相关系数的计算 【例11.4】在研究水稻籽粒蛋白质含量时，采用两种不同的测定方法．一种是凯氏固氮法(KP法)，另一种是染料结合法(DBC法)．用两种方法测得的结果如下表，计算两者的相关系数． 9.70 9.70 9.00 11.00 11.00 9.30 8.80 9.60 10.80 9.35 8.77 8.69 8.36 10.05 9.80 8.40 8.09 8.70 10.25 9.00 IR8（亲本） IR8/20 IR8/64 IR8/38 IR8/39 杜拉（亲本） 杜拉250-3 杜拉250-9 杜拉250-1 杜拉250-2 DBC法 KP法 品系 【解】先将上述结果列成下表 890.63 971.33 98.25 817.12 ∑90.11 85.07 84.29 75.24 110.55 107.80 78.12 71.19 83.52 110.70 84.15 94.09 94.09 81.00 121.00 121.00 86.49 77.44 92.16 116.64 87.42 9.70 9.70 9.00 11.00 11.00 9.30 8.80 9.60 10.80 9.35 76.91 75.52 69.89 101.00 96.04 70.56 65.45 75.69 105.06 81.00 8.77 8.69 8.36 10.05 9.80 8.40 8.09 8.70 10.25 9.00 xy y2 y x2 x 三、相关系数的显著性检验 　　r是样本相关系数，它是双变量正态总体中的总体相关系数ρ的估计值．样本相关系数r是否来自ρ≠0的总