第十章 双变量回归与相关2.pptxVIP

第十章两变量之间关系的分析——回归与相关Linear Regression and Correlation问题引出 对两个变量之间关系的研究,例如糖尿病病人的血糖与胰岛素水平的关系如何?分析资料涉及每个病人的两个变量值(血糖、胰岛素水平），称为双变量资料(Bivariate data），记作： （X1,Y1）, （X2,Y2）, …, （Xn,Yn） 分析目的：研究X和Y之间的数量关系 分析方法：简单线性回归和简单线性相关。 第一节 简单线性回归 Simple Linear regression 历史背景： 十九世纪英国人类学家 F.Galton（1822-1891）在由父亲身高与儿子身高的关系的观察分析中，提出了著名的“相关”（correlation）与“回归”（regression）理论。 最初，Galton是将子代身高趋向于种族稳定的自然现象称之向均数“回归”。 目前，“回归”已成为表示变量之间某种数量依存关系的统计学术语，并且衍生出“回归方程”“回归系数”等统计学概念。如研究糖尿病病人血糖与其胰岛素水平的关系，研究儿童年龄与体重的关系等。一、线性回归的概念 目的：如果以某个变量X作为自变量，研究另一个变量Y （应变量）对自变量X的数量依存关系，就是线性回归。特点：线性回归关系是统计关系，不同于一般数学上的X 和Y的函数关系。 例9-1 某地方病研究所调查了8名正常儿童的尿肌酐含量（mmol/24h）如表9-1。估计尿肌酐含量（Y）对其年龄（X）的回归方程。 表9-1 8名正常儿童的年龄 （岁）与尿肌酐含量 （mmol/24h） 102 在定量描述儿童年龄与其尿肌酐含量数量上的依存关系时，将年龄称为自变量(independent variable)，用 X 表示；尿肌酐含量称为应变量(dependent variable)，用 Y 表示。 由图9-1可见，尿肌酐含量 Y 随年龄 X 增加而增大且呈直线趋势，但并非8个散点恰好都在一条直线上，这与两变量间严格的直线函数关系不同，称为直线回归（linear regression）,其方程叫直线回归方程，以区别严格意义的直线方程。 双变量直线回归是回归分析中最基本、最简单的一种，故又称简单回归（simple regression)。直线回归方程的一般表达式为 （10.3） 为各X处Y的总体均数的估计。1．a 为回归直线在 Y 轴上的截距。a 0，表示直线与纵轴的交点在原点的上方；a 0，则交点在原点的下方；a = 0，则回归直线通过原点。Ya 0a = 0a 0X2. b为回归系数，即直线的斜率。b0，直线从左下方走向右上方，Y 随 X 增大而增大； b0，直线从左上方走向右下方，Y 随 X 增大而减小； b=0，表示直线与 X 轴平行，X 与Y 无直线关系。Yb0b=0b0X*b 的统计学意义是：X 每增加(或减少)一个单位，Y 平均改变的单位数。 公式（10.3）称为样本回归方程，它是对两变量总体间线性关系的一个估计。 根据散点图我们可以假定，对于各个X取值，相应Y的总体均数 在一条直线上（图9-2），表示为： （10.4） 102二、直线回归方程的求法 残差(residual)或剩余值，即实测值Y与假定回归线上的估计值 的纵向距离 。求解a、b实际上就是“合理地”找到一条能最好地代表数据点分布趋势的直线。（X，Y）最小二乘法(least sum of squares)原则：即保证各实测点至直线的纵向距离的平方和最小。 （10.6） 例9-1 某地方病研究所调查了8名正常儿童的尿肌酐含量（mmol/24h）如表9-1。估计尿肌酐含量（Y）对其年龄（X）的回归方程。 表9-1 8名正常儿童的年龄 （岁）与尿肌酐含量 （mmol/24h） 解题步骤 此直线必然通过点( , )且与纵坐标轴相交于截距 a 。如果散点图没有过坐标系原点，可在自变量实测范围内远端取易于读数的 X 值代入回归方程得到一个点的坐标，连接此点与点( , )也可绘出回归直线。 102三、直线回归中的统计推断（一）回归方程的假设检验 建立样本直线回归方程，只是完成了统计分析中两变量关系的统计描述，研究者还须回答它所来自的总体的直线回归关系是否确实存在，即是否对总体有 ？1021．方差分析 理解回归中方差分析的基本思想，需要对应变量Y 的离均差平方和 作分解（如图9-4所示）。（X，Y）102数理统计可证明：上式用符号表示为 式中 上述三个平方和，各有其相应的自由度，并有如下的关系： 如果两变量间总体回归关系确实存在，回归的贡献就要大于随机误差，大到何种程度时可以认为具有统计学意义，可计算统计量 F。式中：2. t 检验 例9-2 检验