概统7.3节.pptVIP

§7.3 一元线性回归分析 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 斜率b的假设检验 H0: b = 0 H1: b ≠ 0 a= .05 自由度 = 8 - 2 = 6 临界值: 图8-3 相关系数示意图 图8-4 相关系数示意图 6、决定系数（coefficient of determination） 例 一个试验容器靠蒸汽供应热量， 使其保持恒温，自变量x表示容器周围空气 单位时间的平均温度(℃)，y表示单位时间 内消耗的蒸汽量(L)，共观测了25个单位时 间，数据略，作一元回归分析. 一元线性回归分析SAS操作 一、SAS/INSIGHT 1、制作散点图 步骤：Solutions→Analysis→Interactive data analysis (在SAS/INSIGHT：OPEN窗口 中) → work →选中数据名 (本例为Data E621 见V8 文件)→(OPEN)→Analyze→Scatter Plot [在Scatter Plot窗口中将自变量(本例为x)送 入X, 将因变量(本例为y)送入Y] →(OK) [→Edit→Windows →Tools→选颜色给选中点 着色→(OK)] 输出结果： 2、计算相关系数 步骤：略 → Analyze → Multivariate [在Multivariate窗口中将自变量和因变量 (本例为x, y)先后送入Y] →OUTPUT →取消univariate, 选中CORR及CORR P- Value → (OK) → (OK) 输出结果： 3、一元线性回归分析 步骤：略 → Analyze → Fit [在Fit窗口中将自变量(本例为x)送入X, 将 因变量(本例为y)送入Y] →OUTPUT →取消univariate, 选中CORR及CORR P- Value → (OK) → (OK) 输出结果： 说明： 结果第一部分提供了关于一元线性回归模型拟合的一般信息 和模型方程, 方程表明截距估计值为13.6230, 斜率估计值为 -0.0798. 结果第二部分是带有回归线的散点图, 它可以形象地表明模型 拟合数据是否比只用均值预测的基线更好. 结果第三部分是参数回归拟合表, 其中的滚动条可以改变模型 多项式的参数, 带有回归线的散点图中可以看到曲线, 通过此 改变能寻找较好的拟合数据. 结果第四部分是模型拟合的汇总度量表, 其中的相应均值 (Mean of Response)是因变量 y 的平均值, 模型R2为0.7144, 表明变量 y 变异的约71.44%可由变量 x 来说明. 结果第五部分是方差分析表, 是对模型作用是否显著的假设检 验. 由于p-值.00010.05, 所以拒绝原假设, 即认为有足够的理由断定回归线的斜率不为0, 所以该模型拟合数据比基线好. 结果第六部分是三型检验表(Type III Tests), 由于是简单线性回归, 所以结果与方差分析表结果相同. 结果第七部分是参数估计表, 给出了截距和变量 x 的估计值和假设检验. 另外：应用通过检验的回归方程进行预测 · 可以在数据集底部送入自变量值, 从而获得模型的预测值； · 对每个不同的自变量值, 可获得其对应的回归函数数值和 因变量预测值的置信区间. （步骤: 在显示回归拟合结果的窗口中→Curves→Confidence Curves →选中Means: 95%, Prediction: 95%） 二、SAS/分析员应用 1、计算相关系数 步骤：Solutions→ Analysis→ Analyst (出现空白数据表)→ File→Open By Sas Name(在Select A Member窗口中) →work →选中数据名(本例为Data E621见V8文件） →(OK) →Statistics →Descriptive → Correlations… （在Correlations…窗口中将变量x和y送入 Correlate中) →(OK) 输出结果： The CORR Procedure 2 Variables: x y Simple Statistics Variable N Mean