实验六--相关与回归.ppt

Foobar 实习六 相关与回归 重点： SPSS中correlate菜单的使用 SPSS中regression菜单的使用 难点： 使用正确的统计方法  一、线性相关 1.资料要求：X、Y服从双变量正态分布的连续型变量。 3.相关系数（correlation coefficient） 用r表示。描述两个变量直线相关的方向和紧密程度。r的取值范围：-1≤ r ≤1。r>0为正相关, r<0为负相关,|r|愈接近1，说明两变量关系愈密切。总体相关系数用ρ表示。 例1 从男青年总体中随机抽取11名男青年组成样本，分别测量每个男青年的身高和前臂长，数据如下，试计算身高与前臂常之间的相关系数。（假设该资料服从正态分布） 结果 分析步骤如下（两变量的相关分析）: (1)建立假设，确定检验水准 H0: ρ＝0 H1: ρ≠0; a=0.05 （双侧） (2)计算统计量 从spss结果可见,身高与前臂长之间有线性趋势， 相关系数r＝0.801. (３)确定p值，作出推论 　　　统计学的结论：经假设检验p=0.003,p<0.05,按0.05的水准，拒绝H0，身高与前臂长之间存在正相关； 　　　专业的结论：可认为男青年的身高与前臂长之间存在正相关。 二、秩相关 1.资料要求：不满足正态分布或总体 分布未知的两连续型变量。 2.方法：利用两变量的秩次大小作线 性相关分析，计算spearman相关系数。 3.公式与线性相关一样。 4.相关系数的统计推断 （1）n≤50，查表法 （2）n>50,t检验 三、线性回归-前提假设 线性(linear) 独立(independent) 正态(normal) 等方差(equal variance) 恰好为“LINE”。 回归参数的估计 最小二乘法(least square estimation，LSE) 基本思想：使各实测值Y与回归直线上对应的估计值 之差的平方和 为最小，在这个准则下，可导出a、b的最小二乘估计。 1.回归方程的统计推断 方差分析 2.回归系数的统计推断 t检验 方差分析表 变异来源 SS df MS F P值 回归model SS回 1 SS回/1 MS回/ MS剩 剩余error SS剩 n-2 SS剩/n-2 总变异total SS总 n-1 直线回归与相关的区别与联系 区别: 计量单位：r 没有单位，b有单位(Y单位/X单位) 应用：相关表示相互关系，回归表示依存关系。 对资料的要求不同： 相关分析要求X、Y均为随机变量且服从双变量正态分布； 回归只要求应变量Y是随机变量且服从正态分布 联系: 正负符号相同：r与b的正负符号相同 假设检验等价： tr=tb 用回归解释相关： 换算关系： 例 2 例10.3 有人研究了温度对蛙心率的影响，数据如下表，试进行回归分析。 回归分析步骤为： （1）绘制散点图； （2）计算回归系数； （3）对样本回归系数进行假设检验； （4）写出回归方程的表达式。 先作散点图，判断两变量之间有无线性趋势，只有趋势存在，才能做后续的分析。Graphs→Scatter 做正态性检验 添加分析变量 正态性检验结果 检验假设 H0：β＝0，即温度与心率间不存在线性回归关系 H1：β≠0，即温度与心率间存在线性回归关系 α=0.05 Analyze→Regression →Linear 把待分析变量蛙心率添加到dependent框、温度添加到independent(s)框，选择statistics对话框，选择Estimales和Model fie, →continue→ok 方差分析表 回归方程中有关参数表 有关模型参数表 作业P100，计算及分析 2.某医生研究某代乳粉价值时，用大白鼠做实验，得大白鼠进食量和体重增加资料如下，试问大白鼠进食量和体重增加量之间有无关系？能否用大白鼠的进食量来估计其体重的增加量？ 进食量(g)X 820 780 720 867 690 787 934 679 639 820 780 增重量(g)Y 165 158 130 180 134 167 186 145 120 150 135 作业P100计算及分析 1.12名20岁女青年的身高与体重资料如下表，试问身高与体重之间有无相关关系？ 由上表可见，a=4.091,b=1.523,tb=