简单回归与相关(课).pptVIP

直接计算离差平方和既麻烦又易引入计算误差，所以一般可用下面4式之一来求 也即总体回归系数 。 关系数 据此可判断总体回归方程成立，样本回归系数 b＝－1.0996天／℃是总体回归系数的估计。 对于一元线性回归分析而言，t测验、F测验和 相关系数测验的结论是一致的。 t测验和相关系数测验的关系已如前述，至于 F测验，虽然直接测验的是回归变异，但因为回 归方程中只有一个回归系数,所以回归变异显著也必然意味着回归系数显著。 反之，如果t测验或相关系数测验表明回归系 数或相关系数显著，必然意味着回归变异显著。 前面说到的从回归分析中可获得相关分析的 信息和从相关分析中也可获得回归分析的信息 正是就此而言的。 在实际分析中，回归方程的3 种测验方法可 任选其一。 由于抽样误差的存在， 经假设测验表明显著的回归方程可用来进行回 归预测和回归控制。 1．回归预测 回归预测是指根据回归方程来预测当X＝x时 Y ，它是此时Y的总体平均值 三、回归预测和控制 的平均值 的点估 计值。 也必然受到影响，其 估计标准误为 （10.23） 据此可估计 的1-α置信度的置信区间 如果要估计当X＝x时Y的个别值y的置信区间， 要用到y的估计标准误 （10.26） 然后 （10.25） 显然对同一总体而言， 和 置信区间都随 x 的不同而不同，当 时 都最小， 与 相差越大， 也越大，这说明预测的精确度与x的选取有关。 又都随n和 因此，增加观测点数n和扩大X变数的取值范围 和 和 以及相应的 和 同时， 的增加而减少， 也能提高预测的精确度。 (1)当3月下旬到4月中旬旬平均温累积值为40℃ 时，一代三化螟的平均盛发期95％的置信区间； (2)某年某地 3月下旬到 4月中旬旬平均温度为 40℃时，该年该地一代三化螟的盛发期 95％的置 信区间。 [例10.13] 试根据例10.7的回归方程估计： (2)是估计x＝40时的总体个别值y。 解： 根据(10.23)有 (1)是估计x＝40时的总体平均数； 所以 95％的置信限为： 根据(10.25)有 如果实践中经常需要根据X的变化来估计Y的变 所以Y95％的置信区间为 其置信限绘成图。 值及 化及其置信限时，可将不同的x所对应的 * * 10.3 一元线性回归分析 由样本观察值求得的样本回归方程为 在平面直角坐标系中此方程的图形是一条直 线，其斜率为b，在y轴上的位置由a 确定，见 图10.5。 一、回归方程 （10.13） 其中 a是α的估计值， b是β的估计值。 (1)离差平方和 最小。 点距直线的距离(平行于 y轴的距离)之和与下方 各实际观察点距直线的距离之和相等。 的平均值应等于 。 。 (2) ，即回归直线上方各实际观察 如此求得的回归方程有3个特性 据此可知如果在X＝x处进行多次试验，观察值 (3)回归直线必经过点 ，也就是说当 某地连续几年测定3月下旬至4月中旬旬平均温 度累积值与一代三化螟盛发期的关系如下： －1 9 13 3 7 2 9 16 12 一代三化螟 盛发期(天) 44.2 39.2 31.7 40.2 36.8 40.3 31.7 34.1 34.5 旬平均温度 累积值(℃) 以5月10日为0。试求盛发期对温度累计值的一 元线性回归方程。 例10.7 旬平均温度累积值可以测量和计算，虽然也有 误差，但较小。 一代三化螟盛发期与旬平均温度累积值之间可 能有因果关系，前者是果后者是因。 并且盛发期还受其它许多因素影响，有较大的 随机误差。因此，此资料基本符合回归模型的要 求，可做回归分析。 解： 以温度累积值为X，盛发期为Y，得相关计算表。 表10.3 温度累积值x(℃)与盛发期y(天)的相关计算表 2436.4 794 12517.49 70 ∑ 333.7 －44.2 1 1953.64 －1 44.2 352.8 81 1536.64 9 39.2 412.1 169 1004.89 13 31.7 120.6 9 1616.04 3 40.2 257.6 49 1354.24 7 36.8 80.6 4 1624.09 2 40.3 285.3 81 1004.89 9 31.7 545.6 256 1162.81 16 34.1 414.0 144 1190.25 12 34.5 xy y2 x2 y x 得一元线性回归方程 其中回归系数的意义为：旬平均温度累积值每 增加1℃，一代三化螟盛发期平均将提前 1.0996 天； 回归截距的意义为：旬平均温度累积值为0时， 一代三代螟的平均盛发期。 也可将回归方