第15章直线相关与直线回归分析.pptVIP

第十五章 直线相关与回归分析;学 习 目 标;两个变量之间的关系大致分为两种：;1.两个变量共同变化的，是一种相互依赖的关系;2.一个变量对另外一个变量有着某种依存关系;为了研究父亲与成年儿子身高之间的关系，卡尔.皮尔逊测量了1078对父子的身高。把1078对数字表示在坐标上，如图。用水平轴X上的数代表父亲身高，垂直轴Y上的数代表儿子的身高，1078个点所形成的图形是一个散点图。它的形状象一块橄榄状的云，中间的点密集，边沿的点稀少，其主要部分是一个椭圆。 ;第一节 直 线 相 关 分 析 Linear Correlation;1.直线相关概念;2.直线相关的特点：;相关分析;相关分析：无自变量、因变量、地位平等。 回归分析：有自变量、因变量，两者从属关系。 ;绘制散点图;3、相关的类型;一、直线相关统计量;相 关 系 数 及 意 义;相关系数的计算公式; r 的计算结果： 说明了两个变量X与Y之间关联的密切程度（绝对值大小）与关联的性质（正负号）。 ;r是无量刚的统计量；-1r1 r可正可负（正表正相关，负表负相关）； r＝0 零相关（无线性相关） r 的大小表示相关的程度，越接近1，表相关性越好，越接近0，表相关性越差。;二、直线相关系数的计算;1.根据原始数据做散点图，从图中各点的分布情况看，血液药物浓度Y随唾液药物浓度X增加而增加的趋势。 2.计算相关系数 （1）计算基础数据根据原始数据求得;21;（3）直 线 相 关 系 数 的 假 设 检 验;对相关系数的假设检验，常用t检验，选用统计量t的计算公式如下：;(1)建立假设 H0 ： ?=0 ，即X与Y间无直线相关关系 H1 ： ?≠0 ， 即X与Y间有直线相关关系 （2）确定检验水准：?=0.05 （3）确定单双测检验：本例选择双测检验 （4）计算t值： r=0.9256, n=12, 代入公式;相关一定有内在联系吗？;相关关系与因果关系是一回事吗？;直线相关的应用; ;五、直线相关分析的注意点;第二节 直线回归分析;“回归”一词的来由;为了通过可测或易测的变量对未知或难测或不可测量的状态进行估计，可以借助回归分析。 例如：我们可以用身高、体重、肺活量这些容易测得的指标来估计心室血输出量、体循环总血量等相对难测的指标；通过对产妇的尿雌三醇含量的检测来估计腹中胎儿体重，以便采取必要的措施降低生产过程的难产风险。;（1） 当我们知道了两个变量之间有直线相关关系，并且一个变量的变化会引起另一个变量的变化，这时，如果它们之间存在准确、严格的关系，它们的变化可用函数方程来表示，叫它们是函数关系，它们之间的关系式叫函数方程。 （2）但在实际生活当中，由于其它因素的干扰，许多双变量之间的关系并不是严格的函数关系，不能用函数方程反映，为了区别于两变量间的函数方程，我们称这种关系式为直线回归方程，这种关系为直线回归.;直线回归的定义;回归方程 ;直线回归分析的特点：;直线回归分析的意义; 要使 是 最适合的直线，必须满足下列条件:;（2）此直线是使得误差平方和 为最小值的直线，即因变量的实际观察值y与理论值 之差的平方和取最小值。 对于每一个x值来说，它所对应实际的y值，与估计的 值往往会存在差异，这个差异就是用估计 值来代替实际y值所产生的误差，即 ，误差越小越好，由于理论上 ，因此要把 为最小值的直线当作回归直线是很困难的。一个最佳且能表达同样目的的方法，那就是将此直线定义为使得误差平方和为最小值的直线。这个方法称为最小二乘法。;根据最小二乘法原理，a 和 b的计算公式;三、直线回归分析的方法步骤与作图;例16-3;（1）编制回归系数计算表：求基础数据;（2）计算离均差平方和及离均差积和;(3)计算b，a，得回归方程:;=0.445+0.117X ;回归直线的描绘 ;与直线相关一样，直线回归方程也是从样本资料计算而得的，同样也存在着抽样误差问题。所以，需要对样本的回归系数b进行假设检验，以判断b是否从回归系数为零的总体中抽得。为了判断抽样误差的影响，需对回归系数进行假设检验。总体的回归系数一般用β表示。 ;1.方差分析 F=MS组间/MS组内 2.t检验 ;1.采用方差分析（了解）;1.平方和与自由度的分解;52;是回归值与平均数之差的平方和，根据回归方程，回归值 因此可以把 看做是由于x的变化而引起的y值的变化，所有这些量的平方和 反映了在y总的变异中由于x与y