第八章 回归和相关分析.pptVIP

第七章 双变量回归与相关 simple linear regression and correlation 回归分析与相关分析 第一节??? 直线回归 函数关系： 确定。例如 园周长与半径： y=2πr Galton数据散点图（英寸） 其他类型的散点图 一、 直线回归方程 一般表达式： 或 Simple Linear Regression Model 直线回归模型的四个假定 线性 LINEARITY  反应变量均数 ?与X间呈直线关系 ?Y|X= α + ?X 二、回归方程参数的计算 最小二乘法原则 (least square method)：使各实际散点（Y）到直线（ ）的纵向距离的平方和最小。即使 最小。 最小二乘 (Least squares)法图解 三、回归参数的假设检验 b≠0原因：① 由于抽样误差引起，总体回归系数 β=0 ② 存在回归关系，总体回归系数 β≠0 剩余（残差）标准差 SY|X 斜率b的假设检验 H0: ? = 0 H1: ? ? 0 ? ? .05 自由度 ? 8 - 2 = 6 临界值: SS剩的另一种解法 (二)方差分析 四、直线回归方程的区间估计 (三) 的区间估计 (四) 个体Y值的预测区间 95％ 的置信区间与 个体 Y 的预测区间有关数据 95％ 的可信区间与 个体 Y 的预测区间图 第二节??? 直线相关 回归 ---- 变量间的依存关系 图9－6 相关系数示意图 图9－6 相关系数示意图 一、 相关系数概念 相关系数(correlation coefficient)，又称积差相关系数（coefficient of product – moment correlation），或 Pearson 相关系数（软件中常用此名称） 说明相关的密切程度和方向的指标。 r ——样本相关系数 三、 相关系数的计算 实例 四、相关系数的假设检验 r≠0原因：① 由于抽样误差引起，ρ=0 ② 存在相关关系， ρ≠0 五、总体相关系数?的区间估计 六、决定系数（coefficient of determination） 七、残差图（residual plot） Heteroscedasticity When the requirement of a constant variance is violated we have heteroscedasticity. When the requirement of a constant variance is not violated we have homoscedasticity. 八、直线回归与相关的区别与联系 区别： 联系： 九、直线回归与相关的 应用注意事项 7 12 10 8 6 9 11 13 X 8 7 6 5 4 3 2 1 编号 3.1800 2.0922 2.8883 2.3839 0.2223 0.1031 2.636 2.65 3.8760 2.7882 3.5843 3.0799 0.2223 0.1031 3.332 3.18 3.5662 2.5412 3.2281 2.8793 0.2095 0.0713 3.054 3.36 3.2985 2.2521 2.9790 2.5716 0.2138 0.0832 2.775 2.56 3.0705 1.9233 2.8080 2.1858 0.2344 0.1271 2.497 2.48 3.4270 2.4020 3.0889 2.7401 0.2095 0.0713 2.915 3.09 3.7161 2.6697 3.3966 2.9892 0.2138 0.0832 3.193 3.01 4.0449 2.8977 3.7824 3.1602 0.2344 0.1271 3.471 3.54 个值 上限 个值 下限 均数 上限 均数 下限 个值 标准误 均数 标准误 Y_hat Y 相关 ---- 变量间的互依关系 直线相关(linear correlation)