8章直线回归与相关.pptVIP

第8章 直线回归与相关 Linear Regression and Correlation Section 8.1Concepts About Regression and Correlation回归与相关的基本概念 一、确定性关系与相关关系 确定性关系：两变量间的函数关系 圆的周长与半径的关系： C＝2?R 速度、时间与路程的关系：L＝ST x与y的函数关系： y＝a+bx 相关关系：两变量在宏观上存在关系，但并未精确到可以用函数关系来表达。 施肥量与产量的关系 身高与年龄的关系； 年龄与血脂的关系； 身高与体重的关系； 体重与体表面积的关系； 药物浓度与反应率的关系； 二、反应变量与解释变量 反应变量(response variable)：度量研究结果的变量，也称为因变量(dependent variable) 产量y 解释变量(explanatory variable) ：解释或引起反应变量改变的变量，也称为自变量(independent variable) 施肥量x 三、相关性与因果关系 施肥量对水稻产量影响的研究 不同施肥量(解释变量)对水稻产量(反应变量)的影响 中学生数学与语文成绩的关系 两变量并没有谁影响谁的情形 若将数学成绩视为反应变量，语文成绩视为解释变量，则可利用两成绩的相关性以一考生的语文成绩预测该考生的数学成绩 Section 8.2Scatter Plots散点图 利用散点图判断相关性质及密切程度 Section 8.3Correlation Analysis相关系数 一、什么是相关系数 二、相关系数的性质 -1 ≤ r ≤ 1 r的符号表示相关的性质 r＝0为零相关或不相关 r＞0为正相关 r＜0为负相关 二、相关系数的性质 r的绝对值表示相关的密切程度 r的绝对值越接近于1，相关越密切； r的绝对值越接近于0，相关越不密切； r的绝对值为0，零相关或不相关； r的绝对值为1，完全相关 r=1,完全正相关 r=-1,完全负相关 三、利用相关系数判断相关性质及密切程度 四、相关系数的计算 四、相关系数的计算 [例1] 试计算表1资料的相关系数。 四、相关系数的计算 Section 8.4Least-Squares Regression最小平方回归 一、直线回归方程的计算 y 因变量，响应变量 (dependent variable, response variable) x 自变量，解释变量 (independent variable, explanatory variable) 直线回归的形式： 一、直线回归方程的计算 最小二乘法(least square estimation) * * 12 16 9 2 7 3 13 9 -1 35.5 34.1 31.7 40.3 36.8 40.2 31.7 39.2 44.2 y盛发期 x累积温 表1 累积温和一代三化螟盛发期的关系 一些夏季害虫盛发期的早迟和春季温度高低有关。江苏武进连续9年测定3月下旬至4月中旬旬平均温度累积值(x，旬·度)和水稻一代三化螟盛发期(y，以5月10日为0)的关系，得结果于右表。 例:累积温和一代三化螟盛发期的关系 例:累积温和一代三化螟盛发期的散点图 r = 0 (h) r ＝ 0 (f) r＝-1 (d) r＝1 (b) 0r1 (a) -1r0 (c) r ? 0 (e) r ? 0 (g) 零相关 正相关 负相关 完全正相关 完全负相关 零相关 零相关 零相关 x 的离均差平方和: y 的离均差平方和: x与y 间的离均差积和: r = 0 (h) r ＝ 0 (f) r＝-1 (d) r＝1 (b) 0r1 (a) -1r0 (c) r ? 0 (e) r ? 0 (g) 零相关 正相关 负相关 完全正相关 完全负相关 零相关 零相关 零相关 一、直线回归方程的计算 [例2] 试计算表1资料的回归方程。 在例1已算得： 因而有： b= -159.0444/144.6356= - 1.0996[天/(旬·度)] a= =7.7778-(-1.0996×37.0778)=48.5485(天) 故得表1资料的回归方程为： =48.5485-1.0996x 一、直线回归方程的计算 回归系数