生物数据统计分析方法——第四章1.ppt

回归设计的基本概念 多项式回归模型 在一些试验中希望建立指标y与各定量因子（又称变量） 间相关关系的定量表达式，即回归方程，以便通过该回归方程找出使指标满足要求的各因子的范围 。 回归设计的基本概念 因子空间:z 的可能取值的空间。 任务是从因子空间中寻找一个点 z0 使E(y)满足质量要求。 回归设计的基本概念 当f的函数形式已知时，可以通过最优化的方法去寻找z0 。在许多情况下f的形式并不知道，这时常常用一个多项式去逼近它，即假定： 回归设计的基本概念 若用 表示相应的估计，则称 为y关于 的多项式回归方程。 回归设计的基本概念 在实际中常用的是如下的一次与二次回归方程（也称一阶与二阶模型）： 回归设计的基本概念 回归模型 设所收集到的n组数据为 回归设计的基本概念 模型可以表示为 回归设计的基本概念 为正规方程组的系数矩阵， 回归设计的基本概念 回归设计的基本概念 对回归方程的显著性检验 回归设计的基本概念 平方和分解式 回归设计的基本概念 当H0为真时，有 对于给定的显著性水平 ，拒绝域为 回归设计的基本概念 若记p+1维向量 ，那么 回归设计的基本概念 失拟检验 当在某些点有重复试验数据的话，可以在检验回归方程显著性之前，先对y 的期望是否是 的线性函数进行检验，这种检验称为失拟检验，它要检验如下假设： H0： H1： 回归设计的基本概念 当在 上有重复试验或观察时，将数据记为 其中至少有一个 ，记 。此时残差平方和可进一步分解为组内平方和与组间平方和，其中组内平方和就是误差平方和，记 ，组间平方和称为失拟平方和，记为 ，即： 回归设计的基本概念 回归设计的基本概念 对回归系数的显著性检验 回归设计的基本概念 注意： 当有不显著的系数时，一般情况下一 次只能删除一个F值最小的变量，重新计算回归系数，再重新检验。通常要到余下的系数都显著时为止。 一次回归正交设计 利用试验结果建立回归方程 最小二乘估计：在零水平试验点安排重复试验估计真正的试验误差，进而检验所建立的回归方程的失拟性。在零水平试验点安排了 次重复试验,试验指标的观测值分别为 利用重复观测值可以计算误差平方和和相应的自由度。 一次回归正交设计 一次回归正交设计 在改造后的正交表中，若用 表示第i号试验第j个因子xj的取值，那么 称具有上述性质的设计称为正交设计。 一次回归正交设计 数据分析 在一次回归的正交设计中记第i号试验结果为yi，i=1,2,…,n，此时我们假定的模型是 建立y关于 的一次回归方程 一次回归正交设计 求回归系数的估计 用最小二乘估计求回归系数的估计。 由于X中的元素不是1就是-1，所以每列元素的平方和为n，又考虑到此为正交设计，故正规方程组的系数矩阵为对角阵： 一次回归正交设计 一次回归正交设计 那么回归系数的最小二乘估计为 一次回归正交设计 一次回归正交设计 一次回归正交设计 在正交回归设计中，当某一变量不显著时，可以直接将它删去，此时不会改变其它的回归系数，也不会改变这些变量的偏回归平方和，这是正交回归设计的一个优点。 现在将x2从回归方程中删去，最后得各因子均为显著的回归方程是： 一次回归正交设计 将编码式： 代入，得y关于z1,z3的回归方程为： 一次回归正交设计 含交互作用的模型 一次回归正交设计 一次回归正交设计的旋转性 1.旋转性：若一个设计在离设计中心距离相等的点上，其预测值的方差相等，则称该设计为旋转设计。 由于方差相等可减少对预测的干扰，因此旋转性颇受人们的关注. 一次回归正交设计 2. 一次回归的正交设计具有旋转性 二次回归的中心组合设计 一、中心组合设计方案 中心组合设计中的试验点由三部分组成： （1）将编码值-1与1看成每个因子的两个水平，如同一次回归的正交设计那样，采用二水平正交表安排试验，可以是全因子试验，