第11章线性回归.ppt

　　为了正确地应用回归分析与相关分析这一工具，必须注意以下几点： 1、变量间是否存在相关： 　　回归分析和相关分析毕竟是处理变量间关系的数学方法，在应用于专业时要考虑到客观实际情况。 如：变量间是否存在相关以及在什么条件下会发生什么相关；求出的回归方程是否有实际意义；回归线是否可以延伸；某性状作为自变量或依变量的确定等等，都必须由生物学相应的专业知识来决定，并且计算的结果还应回到生物学实践中去检验。 2、要考虑到回归系数、相关系数等这些统计数 应用回归与相关的注意事项 2、其余变量尽量保持一致： 　　必须严格控制被研究的两个变量以外的各个变量的变动范围， 使之尽可能为固定的常量。 3、观测值要尽可能的多： 　　为了提高回归与相关分析的准确性，两个样本的容量一般不应小于5，且使x 变量的取值范围尽可能地大一些。 4、外推要谨慎： 　　直线回归与相关分析一般是在一定取值范围内对两变量间的关系进行描述的，超出这个区间，变量间关系类型可能会发生变化，所以回归预测必须限制在自变量x的取值区间以内． 5、正确理解回归或相关显著与否的含意： 　“相关不显著”或“回归不显著”并不一定意味着x与y没有关系，而只能说明x和y 没有显著的线性关系。 　　一个显著的线性相关系数或回归系数亦并不意味着x和y的关系必为线性，因为它并不排斥有能够更好地描述x和y关系的非线性方程的存在。 6、一个显著的回归并不一定具有实践上的预测意义。 如一资料x、y 两个变量间的相关系数为0.50，在df=24时，r0.01(24)=0.496,r＞r0.01(24)，表明相关系数极显著。而r2=0.25，表明x变量或y变量的总变异能够通过y变量或x 变量以线性回归的关系来估计的比重只占25％，其余75％的变异无法借助线性回归关系来估计。 2. 回归关系显著性检验－F检验 零假设 备择假设 统计量 回归平方与的计算方式： 离回归平方和的计算公式： 对于【例11.1】资料，有 而dfy=n-1=12-1=11，dfR=1，dfe=n-2=12-2=10。 于是可列出方差分析表进行回归关系显著性检验。 表11-2 四川白鹅70日龄重与雏鹅重直线回归关系方差分析表 变异来源 SS df MS F值 回归 79439.60 1 794339.60 213.81** 离回归 37152.07 10 3715.21 总变异 831491.67 11 表明四川白鹅的 70日龄重与雏鹅重间存在极显著的直线回归关系。 F检验的结果与t检验的结果一致。统计学已证明，在直线回归分析中这二种检验法是等价的，可任选一种进行检验。 由于四川白鹅 70日龄重与雏鹅重间的直线回归关系极显著，在实际生产中， 可以通过四川白鹅的雏鹅重来对70日龄重作出预测或控制。 特别要指出的是：利用直线回归方程进行预测或控制时，一般只适用于原来研究的范围，不能随意把范围扩大。 3. 有重复时的情况 　SSpe称为纯实验误差平方与；SSLOF 称为失拟平方和 设实验共收集　　　　　　　对数据，在每一下做了　　　　　　　　 回归自由度等于自变量的个数即 y的总自由度 失拟项的自由度 纯误差项的自由度 在回归分析中，先用纯实验误差均方对失拟均方做检验： 若结果不显著，则要合并失拟平方与与纯误差平方和及合并后的均方，然后在对回归均方作检验： 举例 p189 计算器上回归分析计算 最高气温 20 24 22 31 29 27 销售数量 48杯 83杯 56杯 197杯 158杯 121杯 “我家小卖部”最近遇到的一个小的难题：前天因为最高气温高达37 ，生产的200杯珍珠奶茶下午就全部买完，晚上无货供应；因此昨天加大生产量，生产了250杯，谁知“天公不作美”，昨天降温，最高气温26oC，只买了102杯，剩下全部报废，妈妈损失不小。如果气象台预测明天：最高气温35 ，估计应该生产多少杯比较适合呢？能根据下列7天的有关数据利用数学知识帮助“妈妈”做出相对合理决策吗？ 步骤（按键过程） 屏幕显示 “显示”说明 2ndf?? MODE MODE？ 0~2 进入统计模式 按0退出统计模式，按1进入含一个变量的统计模式 2 stat xy ??0 按2进入两个变量的统计模式（xy表示两个变量） 0表示输入的数据为0组 2ndf?? DEL stat xy???0 清除以前统计运算中保存的有关数据 20? ， ?48? ?M+ n=1 第1组数据（20，48）输入成功 24? ， ?83? ?M+ n=2 第2组数据（24，83）输入成功 22? ， ?56?? ?M+ n=3 第3组数据（22，56）输入成功 31? ， ?197? ?M+ n=4 第4组数据