第13章 直线回归分析课件.pptVIP

* * 变量地位不同： 回归的变量y 称为因变量，处在被解释的地位，x 称为自变量，用于预测因变量的变化 相关中变量x 变量y 处于平等的地位，彼此相关关系 用途不同： 说明两变量间依存变化的数量关系用回归 说明变量间的相关关系用相关 * * 度量衡单位不同 回归系数有度量衡单位，随变量值的单位的变化而变化 相关系数没有单位，不随变量值单位的变化而变化 r与b的绝对值反映的意义不同 r的绝对值越大，散点图中的点越趋向于一条直线表明两变量的关系越密切，相关程度越高 b的绝对值越大，回归直线越陡，说明当X变化一个单位时，Y的平均变化就越大。反之也是一样 * * 联系 r与b的方向一致 r与b的假设检验等价 t r = t b 数量关系 用回归解释相关 r 2 称为决定系数，计算式如下： * * 补充内容 曲线拟合 * * 医学研究中，X与Y两变量的数量关系并非总是线性的，如 毒物剂量 动物死亡率 年龄 身高 时间 血药物浓度 可用曲线直线化估计(Curve estimation) 方法进行统计学分析。 * * 绘制散点图，根据图形和专业知识选取曲线类型（可同时选取几类） 按曲线类型，作曲线直线化变换 建立变换数据间的直线回归方程 （假设检验，计算决定系数） 比较决定系数选取“最佳”方程 写出曲线方程 曲线直线化估计的步骤 * * 常见的曲线回归方程 ②对数函数： ①幂函数： ③指数函数： ④多项式： * * 15名重伤病人的住院天数X与预后指数Y 编号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 X 2 5 7 10 14 19 26 31 34 38 45 52 53 60 65 Y 54 50 45 37 35 25 20 16 18 13 8 11 8 4 6 利用线性回归拟合曲线（例题） * * （一）绘制散点图，决定曲线类型 * * （二）曲线直线化变换 * * （三）建立线性回归方程 * * （四）比较决定系数，确定“最佳”方程 * * 线性（直线）X 与 Y 间相关系数的平方 对数曲线 lnX 与 Y 间相关系数的平方 幂曲线 lnX 与 lnY 间相关系数的平方 指数曲线 X 与 lnY 间相关系数的平方 决定系数的计算 * * 注意: 绘制散点图，并结合专业知识解释；在难以确定采用何种曲线类型时，选择多条曲线拟合。 * * 掌握内容 直线回归的概念和应用 回归系数的意义 应变量条件均数的区间估计与个体y值的容许区间估计的区别 直线回归与直线相关的区别和联系 Thanks for listening ! * * * * * * 三个平方和的意义 y 的总离均差平方和(total sum of squares) 表示未考虑x与y的回归关系时，一组y值之间的总变异。 * * 回归平方和(regression sum of squares) 指当自变量x引入回归方程后，由于x值的不同而引起的 之间的不同 它反映在y的总变异中，可以用x与y的线性关系解释的那部分变异。 SS回越大，回归效果越好。 * * 亦称剩余平方和(residual sum of squares) 表示考虑回归之后y的随机误差，是x 对y 的线性影响之外的一切因素对y的变异，即总变异中无法用x解释的部分。 SS残即SS剩越小，回归效果越好。 * * ν总 = ν回 + ν残 相应的自由度分别为： ν总= n-1 ν回= 1（自变量的个数） ν残= n-2 统计量的构造： * * SS总、SS回和SS残的计算： * * 对例13-1所求回归方程用方差分析进行检验 【检验步骤】 1. 建立检验假设，确定检验水准 H0：总体回归系数? = 0 H1：总体回归系数? ?0 ? = 0.05 * * 2. 计算检验统计量 * * 表13-2 例13-1资料的方差分析表 变异来源 SS ? MS F P 回归 3.3444 1 3.3444 43.39 0.01 剩余 0.8479 11 0.0771 总 4.1923 12 * * 3. 确定P值，作出统计推断