相关系数与简单线性回归-成功大学.PPT

第十三章 簡單線性迴歸 陳順宇 教授 成功大學統計系 我們常問下面的兩個問題： (1)是否能由學生的 IQ成績預測其大學入學成績？ (2)是否能由大學 入學數學成績預測其大一微積分成績？ 例13.1、 某人想了解大學入學考試的 數學成績與大一微積分成績(y)的關係， 隨機收集15名大一學生 成績如下: 抽樣15名大一學生成績資料 大一微積分成績對入學數學成績散佈圖 大一微積分成績對數學成績的迴歸線 例13.2、 大華汽車公司12年來 汽車銷售量與廣告費 資料如下表: 大華汽車公司12年汽車銷售量與廣告費 銷售量對廣告費散佈圖與迴歸線 例13.3、 某研究人員想了解父子身高的關係。 隨機收集1000對父親與其已成人的 長子身高資料如下 1000對父子身高資料 1000對父親與其已成人長子身高資料散佈圖 (1) 身高有遺傳作用 兒子的身高受父親身高的影響， 高的父親所生的兒子也會較高。 (2) 迴歸效應 若上一代的男生平均身高為170公分， 而下一代男生的平均身高是173公分， 平均身高有上升的現象， 迴歸效應 身高較高的父親其兒子的平均身高增加較少； 身高較矮的父親其兒子平均身高增加較多， 下一代身高有“往中間靠” 現象，稱為迴歸效應。 上一代父親身高175公分與父親身高165公分 相差10公分， 下一代兒子平均身高 相差可能不到10公分 (3)身高常態分佈且變異數有均質性(亦稱同質性) 同樣約175公分身高的父親， 其兒子身高也不盡相同， 從約169公分到182公分， 這些兒子的平均身高比那些父親身高165公分的人之兒子的平均身高要高， 有些175公分高的父親其兒子身高 比父親是165公分的兒子身高矮。 所有父親身高為175公分這群人有幾十人，他們兒子身高的分佈呈常態分佈 (此亦稱條件常態，即有相同的父親身高)， 簡單線性迴歸分析簡介 迴歸分析是一種很有用的統計分析方法， 它主要是建立變數間的關係式。 很不幸的，迴歸(Regression)的名字取得不理想， 字義上未能表現出這種方法的重要性及應用， 變數分成兩類， 一類是做為預測的提供者， 稱為自變數 (或獨立變數或稱預測變數)， 以x表示 另一類是我們真正關心的被預測者， 稱為應變數 (或依變數或稱準則變數)，以y表示 迴歸的主要目的是建立變數間的 因果關係式以便做預測， 目標是發展一種能以一個或多個自變數的數值來做為應變數預測的方法。 簡單線性迴歸 迴歸模式步驟 當收集到一組資料後， 迴歸第一步驟就是估計b0,b1 (後面將介紹最小平方法求b0,b1 的估計)， 模式評估 然後再利用殘差圖評估模式是否合適，如不合適則做修正， 直到修正模式評估合適為止， 模式修正好後，就能利用建立迴歸模式做預測、解釋及控制等用途 13.3　最小平方法 當我們針對某問題，收集資料後， 想找出迴歸式，第一步驟是做參數估計 所謂參數就是上節中的b0, b1 最小平方法 以最小平方法求迴歸線 平方和 對b0, b1微分後令其等於0 正規方程式 解 也可以表示成 迴歸線也可表示成 注意： (1) 迴歸線一定過資料的中心點。 (2)相關係數的絕對值必有|r| ? 1， 但迴歸係數的絕對值可以大於1。 (3) 迴歸係數與相關係數同號 (因標準差Sx, Sy恆正)。 例13.4、(例13.1續) 求大一微積分成績(y)對數學成績(x)的 (1) 相關係數 (2) 迴歸式 15名學生成績5行合計 (1)相關係數 (2)迴歸係數 迴歸式 以STATISTICA執行結果 例13.5、(例13.2續) 求汽車銷售量對廣告費的 (1)相關係數 (2)迴歸式。 5行合計 (1) 相關係數 (2) 迴歸式 汽車銷售量對廣告費的迴歸式 y = 363.6891+1.4202x 13.4 簡單線性迴歸評估 1. 擬合值 2. 殘差值 正規方程式 3. 殘差平方和 4. 解釋變異的比例 總平方和 為什麼 是解釋變異的比例呢？ (1) (2) 愈大， 表示 x 提供的訊息對 y 愈有用 (3) 我們也稱判定係數為複相關係數平方 例13.8、(例13.1續) 大一微積分成績(y) 對數學成績(x) 做線性迴歸，求 (1)? 第1筆資料的擬合值與殘差。 (2)? 第2筆資料的擬合