第12章简单回剐麻分析2.pptVIP

田玉慧 新乡医学院公共卫生学院 3831801;第一节 简单线性回归(Linear Regression) ;回归模型的类型;实例;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.; 由上图可以看出：氟含量与氟骨症患病率之间存在着一种依存变化的关系，氟骨症患病率随氟含量的增长而增高，并且呈直线趋势，但各点并非恰好都在直线上。 强调这一区别，统计上称这是氟骨症患病率在氟含量上的回归，即线性回归，也称简单回归(simple regression)。 线性回归分析的任务就是建立一个描述应变量依自变量而变化的直线方程(linear equation)。 ;一元线性回归模型 （概念要点）;由样本得到的一元回归模型;线性回归分析;三、回归参数的估计;（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。;最小二乘法（图示）;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;1.画散点图，由散点图可看出： 1）.两个变量间关系的性质（是正相关还是负相关）和程度（是相关密切还是不密切）； 2）.两个变量间关系的类型，是直线型还是曲线型； 3）.是否有异常观测值的干扰。;2.用最小二乘法原理确定两个系数a，b，得到：;实例;求直线回归方程： 1.由原始数据绘制散点图，观察两变量间是否有直线趋势； 2.求∑X、∑Y、∑X2、∑Y2、∑XY ∑X=15.97、∑Y=249.01 ∑X2=47.03、∑Y2=8468.78、∑XY=594.48 3.;4.求b,a： b=lXY / lXX =97.39/15.15=6.43 a=31.13-6.43×2.00=18.27 故所求直线回归方程为：;直线回归方程的图示 ;四、总体回归系数 β的显著性检验 ;直线回归的变异来源;（一）F 检验;离差平方和的分解 （三个平方和的关系）;直线回归的变异来源;离差平方和的分解 （三个平方和的意义）; 表明y的总平方和剖分为回归平方和与剩余平方和两部分。 要比较必需考虑自由度,上述3个平方和的自由度 的关系为：;回归方程的显著性检验 （线性关系的检验 ）;回归方程的显著性检验 （检验的步骤）;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.; 例： 医生为了探讨缺碘地区母婴TSH(促甲状腺激素)水平的关系，随机抽取10对数据如下:;;;;假设检验;方差分析表 ;;（二）t 检验; 例：检验饮用水氟含量与氟骨症关系求得的直线回归方程是否成立？ H0：β=0 H1：β≠0 α=0.05 由υ=6，查t界值表，得P0.001，按α=0.05水准拒绝H0，接受H1，可以认为某地饮水中氟含量与 氟骨症之间有线性回归关系。; 如我们求得回归方为 。这里回归系数b=6.43是由样本求出的，根据参数原理，回归系数b是总体回归系数β的点值估计，象样本均数不一定恰好等于总体均数μ一样，需要对总体回归系数β的区间估计，回归系数b得误差可以用标准误表示之。计算公式为： ; 例：检验饮用水氟含量与氟骨症关系b=6.43，现估计总体回归系数β的95%可信区间。 已知b=6.43，Sb=1.01，t0.05/2，(6)=2.447， 则总体回归系数β的95%可信区间 （6.43-2.447×1.01，6.43+2.447×1.01）=（3.96 ~ 8.90） ;第二节 预测及应用;（一）总体回归线置信区间估计;（一）总体回归线置信区间估计;（一）总体回归线置信区间估计;置信区间、预测区间、回归方程;（二）个体y预测区间估计;（二）个体y预测区间估计;（二）个体y的预测区间带;置信区间、预测区间、回归方程;影响区间宽度的因素;置信区间、预测区间、回归方程;二、线性回归模型的前提条件;回归模型的前提条