第九章双变量回归与相关.ppt

102 第九章 双变量回归与相关 Linear Regression and Correlation 问题引出 对两个变量之间关系的研究,例如糖尿病病人的血糖与胰岛素水平的关系如何?分析资料涉及每个病人的两个变量值(血糖、胰岛素水平），称为双变量资料(Bivariate data），记作： （X1,Y1）, （X2,Y2）, …, （Xn,Yn） 分析目的：研究X和Y之间的数量关系 分析方法：回归与相关分析，最简单的是直线回归和直线相关。 十九世纪英国人类学家 F.Galton首次在《自然遗传》一书中，提出并阐明了“相关”和“相关系数”两个概念，为相关论奠定了基础。 其后，他和英国统计学家 Karl Pearson对上千个家庭做了调查发现：儿子身高（Y，英寸）与父亲身高（X，英寸）存在线性关系： 。 Galton将这种子代身高趋向于种族稳定的现象称之“回归”。 目前，“回归”已成为表示变量之间某种数量依存关系的统计学术语，并且衍生出“回归方程”“回归系数”等统计学概念。如研究糖尿病人血糖与其胰岛素水平的关系，研究儿童年龄与体重的关系等。 第一节 直线回归 Linear regression 一、直线回归的概念 目的：如果以某个变量X作为自变量，研究另一个变量Y （应变量）对自变量X的数量依存关系，就是直线回归。 特点：直线回归关系是统计关系，不同于一般数学上的X 和Y的函数关系。 在定量描述儿童年龄与其尿肌酐含量数量上的依存关系时，将年龄称为自变量(independent variable)，用 X 表示；尿肌酐含量称为应变量(dependent variable)，用 Y 表示。 由图9-1可见，尿肌酐含量 Y 随年龄 X 增加而增大且呈直线趋势，但并非8个散点恰好都在一条直线上，这与两变量间严格的直线函数关系不同，称为直线回归（linear regression）,其方程叫直线回归方程，以区别严格意义的直线方程。 双变量直线回归是回归分析中最基本、最简单的一种，故又称简单回归（simple regression)。 1．a 为回归直线在 Y 轴上的截距。 a 0，表示直线与纵轴的交点在原点的上方； a 0，则交点在原点的下方； a = 0，则回归直线通过原点。 2. b为回归系数，即直线的斜率。 b0，直线从左下方走向右上方，Y 随 X 增大而增大； b0，直线从左上方走向右下方，Y 随 X 增大而减小； b=0，表示直线与 X 轴平行，X 与Y 无直线关系。 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。 此直线必然通过点( , )且与纵坐标轴相交于截距 a 。如果散点图没有过坐标系原点，可在自变量实测范围内远端取易于读数的 X 值代入回归方程得到一个点的坐标，连接此点与点( , )也可绘出回归直线。 三、直线回归中的统计推断 （一）回归方程的假设检验 建立样本直线回归方程，只是完成了统计分析中两变量关系的统计描述，研究者还须回答它所来自的总体的直线回归关系是否确实存在，即是否对总体有 ？ （1）方差分析 （2）t 检验 注意： （二）总体回归系数 的可信区间 利用上述对回归系数的t检验，可以得到β的1－α双侧可信区间为 例9-3 根据例9-1中所得b=0.1392，估计其总体回归系数的双侧95%可信区间。 （三）利用回归方程进行估计和预测 例9-4 用例9-1所得直线回归方程，计算当X0=12时， 的95%可信区间和相应个体值的95%预测区间。 计算步骤 例9-1、例9-2已计算出 第二节 直线相关 一、直线相关的概念 直线相关(linear correlation)又称简单相关(simple correlation)，用于双变量正态分布(bivariate normal distribution)资料。其性质可由图9-6散点图直观的说明。 目的：研究 两个变量X,Y数量上的依存（或相关） 关系。 特点：统计关系 二、相关系数的意义与计算 1. 意义：相关系数（correlation coefficient）