回归相关及变异数分析.pptVIP

東吳心理系教學專用，歡迎指教。 迴歸、相關及變異數分析 Ch14 迴歸與相關的描述方法Ch15 迴歸與相關的推論方法Ch16 變異數分析（ANOVA） Ch14 迴歸與相關的描述方法 Description Methodsin Regression and Correlation 描述兩個量的（quantitative）變項的關係 線性迴歸公式（linear regression equation） 相關係數（correlation coefficient） 決定係數（coefficient of determination） E.g., the relationship between dietary fat and death rate 14.1 單一獨變項的線性公式 Linear Equations with One Independent Variable Table 14.1, Figure 14.2 Page 696, Definition 14.1 Y截距與斜率（y-Intercept and Slope） 線性函數 ，b0的值稱為y截距，b1的值則稱為斜率。 Page 697, Key Fact 14.1 圖示「截距」與「斜率」（Graphical Interpretation of Slope） 在線性函數 的直線圖形中，當b10時，斜度向上，當b10時，斜度向下，而當b1=0時，呈現水平。 14.2 迴歸公式 The Regression Equations Figure 14.7 散布圖（scatter diagram） Figure 14.9, 14.10, Table14.4 Page 701, Key Fact 14.2 最小平方標準（Least-Squares Criterion） 最適合描述資料的線（best-fit line）是讓誤差平方和成為最小值的線。 Page 701, Definition 14.2 迴歸直線與迴歸公式（Regression Line and Regression Equation） 迴歸直線（Regression Line） 根據最小平方標準在資料點中找出一條最適合的直線，即為迴歸直線。 迴歸公式（Regression Equation） 迴歸線的公式。 Page 702, Definition 14.3 相關與迴歸所使用的符號（Notation Used in Regression and Correlation） Page 702, Formula 14.1 迴歸公式（Regression Equation） 一組有n個資料點的迴歸公式為 及 樣本共變數（sample covariance）公式 Table 14.5, Figure 14.10 E.g., 14.4 Figure 14.11 預測變項vs.反應變項（predictor variable vs. response variable） extrapolation Figure 14.12 Outliers 遠離迴歸線的資料點，若有適當理由則可去除 Influential observations 若去除後會對迴歸線產生很大影響 是否去除的考量：資料錯誤、研究假設 Figure 14.13 採用線性迴歸的標準 在找一組資料點的迴歸曲線之前，先畫出散布圖。若資料點的散布圖並非趨近於一條直線，則勿用線性迴歸。 14.3 決定係數 The Coefficient of Determination Table 14.6 迴歸的平方和（Sum of Squares in Regression） 整體平方和（Total sum of squares, SST）- 反應變項的所有變異： Figure 14.15, Table 14.7 迴歸平方和（Regression sum of squares, SSR） 迴歸所解釋的反應變項之變異： Table 14.8 誤差平方和（Error sum of squares, SSE） 不能由迴歸所解釋的反應變項之變異： Page 720, Definition 14.5 決定係數（Coefficient of Determination） 決定係數，r2，即反應變項之變異可由迴歸所能解釋的比率： 決定係數總是落在0與1之間，用來描述迴歸公式的預測效能。 r2的值若接近0，意指此迴歸公式的預測並不有效；反之，當r2的值接近1，則迴歸公式能夠相當有效的用來預測。 Page 720, Key Fact 14.4 迴歸特性（Regression