k第十一章 回归与相关分析.ppt

第十一章 相关及回归分析 ;二、回归分析（regression analysis） ;四、回归相关分析中几个注意的问题;§2 直线回归;从上图中可以看出： ;1、直线回归方程：;2、回归方程的性质：;3、最小二乘法求参数a，b;整理得正规方程：;a叫做样本回归截距，是回归直线与y轴交点的纵坐标，当x=0时， =a；b叫做样本回归系数，表示x改变一个单位，y平均改变的数量；b 的符号反映了x影响y的性质，b的绝对值大小反映了 x 影响 y 的 程度;;①;二、回归方程的拟合步骤：;P（;2、计算回归系数b;3、将计算的参数，b,a代入方程中得到拟合的方程。;三、回归关系的显著性测定;2．回归标准误的计算 ;3．回归关系的显著性检验（F检验）：;上式两端平方，然后对所有的n点求和，则有：; 因为： ;反映了y的总变异程度，称为y的总平方和，记为SSy ;这表明y的总平方和SSy剖分为： 回归平方和SSR与离回归平方和SSr两部分;y 的总自由度:;F检验的步骤：;方差分析表;离回归平方和计算公式为： ;4、回归系数的显著性检验—t检验;在以上分析中，主要要计算三个平方和;例：方程;2）t测验;§3 直线相关;二．相关系数计算;例9.1 相关系数计算 （P160）;三、决定系数r2 （ coefficient of determination）;因为：;0≤ r2 ≤1 ;四、相关系数的检验;上例;2．查表法：;五、相关系数与回归系数的关系;上式表明直线相关分析与回归分析关系十分密切。 事实上，回归分析与相关分析研究对象都是呈直线关系的相关变量。直线回归分析将二个相关变量区分为自变量和依变量，侧重于寻求它们之间的联系形式——直线回归方程；直线相关分析不区分自变量和依变量，侧重于揭示它们之间的联系程度和性质——计算出相关系数。两种分析所进行的显著性检验都是解决y与x间是否存在直线关系。因而二者的检验是等价的。即相关系数显著 ， 回归系数亦显著； 相关系数不显著，回归系数也必然不显著。 ; 由于利用查表法对相关系数进行检验十分简便，因此在实际进行直线回归分析时，可用相关系数显著性检验代替直线回归关系显著性检验，即可先计算出相关系数r并对其进行显著性检验，若检验结果r不显著，则用不着建立直线回归方程；若r显著，再计算回归系数b、回归截距a，建立直线回归方程，此时所建立的直线回归方程代表的直线关系是真实的，可利用来进行预测和控制。;六、应用直线回归与相关的注意事项;2、其余变量尽量保持一致 由于自然界各种事物间的相互联系和相互制约，一个变量的变化通常会受到许多其它变量的影响。因此，在研究两个变量间关系时，要求其余变量应尽量保持在同一水平，否则，回归分析和相关分析可能会导致完全虚假的结果。例如研究人的身高和胸围之间的关系，如果体重固定，身高越高的人，胸围越小，但当体重在变化时，其结果也就会变化。 ;3、观测值要尽可能的多 在进行直线回归与相关分析时，两个变量成对观测值应尽可能多一些，这样可提高分析的精确性，一般至少有5对以上的观测值。同时变量x的取值范围要尽可能大一些，这样才容易发现两个变量间的变化关系。 4、外推要谨慎 直线回归与相关分析一般是在一定取值区间内对两个变量间的关系进行描述，超出这个区间，变量间关系类型可能会发生改变，所以回归预测必须限制在自变量x的取值区间以内，外推要谨慎，否则会得出错误的结果。 ;5、正确理解回归或相关显著与否的含义 一个不显???的相关系数并不意味着变量x和y之间没有关系，而只有能说明两变量间没有显著的直线关系；一个显著的相关系数或回归系数亦并不意味着x和y的关系必定为直线，因为并不排除有能够更好地描述它们关系的非线性方程的存在。;6、一个显著的回归方程并不一定具有实践上的预测意义 如一个资料 x 、y 两个变量间的相关系r =0.5，在 df = 24时 ，r0.01(24)= 0.496，rr0.01(24)表明相关系数极显著。而r2=0.25，即x变量或y变量的总变异能够通过y变量或x变量以直线回归的关系来估计的比重只占25%，其余的 75% 的变异无法借助直线回归来估计。