考试统计与测量第5章.pptVIP

第五章 回归分析;§5.1 一元线性回归（一）;一、如何配直线 我们先假定x、y之间存在线性相关关系，要配回归直线，关健在于求出 。 对x、y进行n次独立实验得到n对样本数据 ，代入直线方程y和回归直线方程 ，而y与 之间存在误差，设在每一个 点 处的误差为 。 由于有n个样本点对值，故有n个误差，我们设总误差为 。显然，我们不能用代数和 表示 ，这是因为误差有正有负，代数和中正负各项会抵消，如果用误差的绝对值之和 来表示 ，虽然可以避免上述缺点，但绝对值不便于进行代数运算，因此，我们用各个误差的平方和来表示 ，即; 由微积分求极值原理，总误差 达到最小值时， 须满足方程组 (5.1.2) 解此方程组 (5.1.3) (5.1.4) ; 再把 代入(5.1.1)式，即得到y对x的回归直线方程，我们称以上确定 的方法为最小二乘法。 由于这样选择的 使 达到最小值，因此，回归直线是所有可能直线中最接 近实验数据点的直线，也就是说，用回归直线表示x与y之间的线性相关关系与实际数据的误差比任何其它直线都小。 ;?;15;§5.1 一元线性回归（二）; 其中 为样本协方差， 为x的样本方差， 为y的样本方差。如果记 ， 则是 (5.1.6)。 实际上， 是总体相关系数r在统计中的具体样本实现值。例1中 。 ;§5.1 一元线性回归（三）; 若记; 是所有实验点 距回归直线y的离差平方和，是由总离差中分离出x对y的线性影响之外的其余偶然因素产生的误差（即随机波动产生的误差），称之为残差平方和或剩余平??和。 由此我们可以看出，回归效果的好坏取决于 与 的大小， 在总离差 中占的比重越大，则回归效果越好。 这表明， 的绝对值越大， 也越大，而 越小，说明x对y的线性影响部分越显著，回归效果越好。 由于 当 时，称x与y不相关； 时，称x与y为正全相关； 时，称x与y为负全相关； 时，称此为正相关； 时，称此为负相关。 ;§5.1 一元线性回归（四）;2、利用F检验判断线性相关性 衡量x与y之间有无线性关系，如果它们之间没有线性关系，那么 ，说明x的变化对y没有影响，这相当于检验假设 。在H0成立的条件下，构造统计量F（方差比） (5.1.9) 给定显著性水平 ，查自由度为 的分布单侧临界值表（附表6）得到临界值