双变量回归及相关.pptVIP

第九章 双变量回归与相关 概念： 回归与相关是研究两个或多个变量之间相互关系的一种分析方法。 回归： 是研究变量之间在数量上依存关系的一种方法。 相关： 是研究随机变量之间相互联系密切程度和方向的方法。 直线相关与回归： 只涉及两个变量，而且分析是否呈直线关系，是回归、相关分析中最简单的一种。又称简单相关和回归。 一、直线回归 1. 直线回归方程 直线回归方程的求法 原理（最小二乘法）： 各散点距离回归直线纵向距离平方和为最小而得到直线。 2. 建立直线回归方程的具体步骤 ?X = 346.6， ?Y=217.00， ?X2=6552.16， ?Y2=2517.1014 ? XY=3510.45， n=20， X=17.33， Y=10.85 即推断总体回归系数（?）是否为零 （1）方差分析 4. 直线回归方程的应用 （1）描述两分析变量间的数量依存变化关系 4. 直线回归方程的应用 （2）预测： 1）点预测： 一般把易于测定、控制的变量作为自变量，建立回归方程，然后对难以测定或控制的变量值进行预测。 2）区间预测： 当X是已知时，按一定概率估计应变量值或其均数所在范围 当X为某固定值X0时， 总体均数（ ）的可信区间 例6.1资料，当 X0= 15 mU/L，求 总体均数的95%可信区间。 个体Y值的预报区间（容许区间） 6.1资料，当X=15，求Y的波动范围（?=0.05） 例 题 某地疾控中心根据10年来乙脑发病率（1/10万，Y）与相应前一年7月份日照时间（小时，X）建立回归方程，将乙脑发病率做平方根反正弦变换，即 求得回归方程 已知今年7月份日照时间X=260小时，试估计明年该地的乙脑发病率（设?=0.05）。 （3）控制： 指当要求因变量Y在一定范围内波动时，如何控制自变量X的取值。 例 ：已知血糖正常范围为（4.44~6.66 mmol/L），在例6.1资料的基础上，问欲将血糖水平控制在正常范围内时，血中胰岛素应维持在什么范围内？ （?=0.05） (4)利用回归方程获得精度更高的参考值范围 二、直线相关 1. 相关系数（?, r) 概念 表示两变量直线相关的密切程度和方向。 相关系数波动范围： -1 ? r ? 1 （1）密切程度： |r| ? 1，相关越密切； |r| ? 0，相关越弱。 r=1或 -1，称完全相关； r=0， 称零相关，表示不存在直线相关关系，但不排除存在某种曲线关系的可能性。 （2）方向： r 0, 正相关; r 0, 负相关。 2. 相关系数的计算步骤 （1）绘制散点图观察两变量见是否呈直线趋势； （3）计算相关系数 3. 相关系数的假设检验（t 检验） 三、直线相关、回归的区别与联系 1. 区别: (1)在资料要求上不同; 回归: 要求Y服从正态分布，X是可以精确测量或严格控制 的。此类回归一般称Ⅰ型回归。 （2）在应用上不同。 回归：反映两变量间依存变化的数量关系； 相关：反映两变量间相关的密切程度和方向。 2. 联系 （1）同一组资料，r 与 b符号（正负号）一致； （注意：两者大小有一定关系，但不绝对） （2）同一组资料， r 与 b的假设检验是等价的，即tb = tr （3）可用回归解释相关 r2 称为确定系数，其意义为回归变异占总变异的比值。 例如：某一资料 r = 0.20 ，n = 100，求得 t =2.021，P 0.05 但 r2 = （0.20）2 =0.04， 表示回归变异在总变异中仅占4%，说明两变量间的相关关系实际意义不大。 3. 秩相关系数的计算 （1）按直线相关系数公式计算，只是用秩次代替原始观察值。 例6.2 为研究饮水中氟含量与氟中毒患病率之间的关系，测定了9个居民点井水中的氟含量X（mg/L），并同时通过体检得到这些居民点中常住居民的氟中毒患病率Y（%），资料如下表： (1) (2) 计算法: 当 n 50时,用下式进行假设检验。 五、曲线配合（曲线拟合） 两变量之间不呈直线而是呈曲线关系时，要用适当的曲线方程来描述两变量间的关系。 1. 曲线的类型 如指数曲线、幂曲线、多项式曲线、生长曲线等。 3. 曲线配合的实例