第9章直线相关和回归.ppt

试验统计学 第四章 概率论与数理统计的基础知识 第九章 直线相关与回归 第二节 直线回归方程 第一节 两随机变量之间的线性关系 第九章 直线相关与回归 以例9.2的回归方程为例: 总平方和: 回归平方和: 或 误差平方和: 或 第二节 直线回归方程 将三个平方和填入方差分析表得: 计算三个自由度并填入方差分析表: 总自由度： 误差自由度： 回归自由度： 第二节 直线回归方程 将三个平方和填入方差分析表得: 计算回归均方及误差均方并填入方差分析表: 回归均方： 误差均方： 计算 F 值： 第二节 直线回归方程 测验法是计算一个 值与 和 比较： 计算公式是： 其中： 称为 对 的回归估计标准误差。 本例中： 两种测验方法都判定此资料中 与 间有极显著 的回归关系。 第二节 直线回归方程 本例中， 经过测验判断 y 与 x 之间有回归关系之后，便可 以用样本统计量来对总体参数作估计，并且以一 定的概率保证来求出总体参数的置信区间。 1. 用a来估计 ?，置信区间为：(a－t?×sa，a＋t?×sa ) 其中， 当df＝8时，t0.05＝2.306，于是，?的95%置信区间为： 即(－1.4294396，1.0348208），因为区间包括0， 可以认为?0＝0，则回归线通过坐标原点。 第二节 直线回归方程 (－0.1973094±2.306×0.5343149） 本例中， 经过测验判断 y 与 x 之间有回归关系之后，便可 以用样本统计量来对总体参数作估计，并且以一 定的概率保证来求出总体参数的置信区间。 2. 用 b 来估计 ?，置信区间为：(b－t?×sb， b＋t?×sb ) 其中， 当df＝8时，t0.05＝2.306，于是， ? 的95%置信区间为： 即(0.8428280，1.2737640)。此区间不包含0，所以有 95%把握说 ? ≠０，即x与y之间有显著的回归关系。 第二节 直线回归方程 (1.0582960±2.306×0.0934380) 经过测验判断 y 与 x 之间有回归关系之后，便可 以用样本统计量来对总体参数作估计，并且以一 定的概率保证来求出总体参数的置信区间。 第二节 直线回归方程 3. 用 预测 y，置信区间为： 其中， 本例中，当x ＝ 9时， ＝－0.1973094＋1.0582960×9　＝ 9.3273543 所以预测值 y 的95%置信区间为： (9.3273543±2.306×0.8805013) ＝（7.2969189，11.3577896） ＝ 0.8805013 经过测验判断 y 与 x 之间有回归关系之后，便可 以用样本统计量来对总体参数作估计，并且以一 定的概率保证来求出总体参数的置信区间。 第二节 直线回归方程 其中， 本例中，当x ＝ 9时， ＝－0.1973094＋1.0582960×9　＝ 9.3273543 ＝ 0.4372657 4. 用 预测 ，置信区间为： 所以预测值平均数 的95%置信区间为： (9.3273543±2.306×0.4372657) ＝（8.3190195，10.3356890） 图9.5 例9.2回归线的置信区间 第二节 直线回归方程 两条回归直线的比较 如果从两组资料分别得到两条回归直线，并且经检 验证实两组数据中的自变量（x）和因变量（y）之 间均有显著的回归关系，由于研究目的的需要，有 时还想对这两条回归直线进行比较。 比较包括两个方面：⑴ 这两条回归线的斜率是否相 等，即两个回归系数之间的差异是否显著；⑵ 这两 条回归线的截距是否相等。如果两个方面都不相等， 那么这两组资料的自变量和因变量之间的关系根本 就是两回事。如果第一个测验差异不显著，而第二 个测验差异显著，那么这两条回归直线是相互平行 的。如果两个测验的差异都不显著，可以求得一条 合并的回归方程来代表自变量和因变量之间的关系。 下面详细讨论 比较的过程。 第二节 直线回归方程 ⑴ 对两个资料的回归关系分别进行显著性测验 首先要按前面介绍的方差分析法或 t 测验法检验两个 资料内的回归系数是否显著： HO： vs HA： 和HO： vs H