回归分析与.ppt

第三章 回归分析; 前面所讨论的问题对只涉及一种变量。例如，在品种比较试验中，平均数可以测知产量集中的情况，标准差反映产量对平均数的离散程度，方差分析及多重比较检验不同品种的产量平均数间差异是否显著。所有这些问题的研究对象，都是只有产量一种变量。施肥两与产量的关系，灌溉两对产量的影响等均未考虑。两个量或两个以上量互相制约，互相依存的情况，在生物界非常多。这类问题属于两个变量或多个变量间的关系问题。 ; 两变量或多变量之间的关系，总起来说可以分为两种：一种是函数关系，例如气体定律PV＝RT中的各个量依公式的关系而存在，三个两中若有两个已知时，第三个就能精确求出。这种关系的例子，在生物界中是极少见的。生物界中，大量存在的情况是，一种变两手另一变量的影响。两者之间既有关系，但又不存在完全确定的函数关系。知道其中一个变量，并不能精确求出另一变量。下面举几个例子加以说明。;1 单位面积的施肥量、播种量和产量三者之间有关系。一般来说，施肥两与播种两适合时，产量较高；施肥两与播种两不适合时，产量较低。但是这种关系并不是完全确定的。即使在施肥两与播种量完全相同的情况下，产量也并不完全相同。 2 人类血压与年龄有关系。通常，年龄越大，血压越高。但是影响血压的因素很多，并不能根据一个人的年龄，得出他的血压值。 ;3 森林中，树木相同位置的直径与高度有关系。一般来说，直径越大树木越为高，直径越小树木越矮。但这种关系也不是确定的，仅仅依树木的直径并不能确定其高度。 4 玉米的穗长与穗重有关系。一般来说，穗越长，穗越重。但是，仅凭穗长，并不能得出穗重。 5 人的身高与体重有关系。通常，身体越高体重越重；身体越矮，体重越轻。但是身高与体重并不存在线性函数关系。知道身高并不能得知准确体重。 ; 在大量测量人群的各种社高体重时会发现：虽然在同样身高下，体重并不完全一样。但在每一身高下，都有一个确定的体重分布与之相对应；反之，测量各种体重人群的身高时会发现：在每一体重下，也都有一个身高分布与之想对应。我们称身高与体重之间存在相关关系。 设有两个随机变量X 和Y，对于任一随机变量的每一个可能的值，另一个随机变量都有一个确定的分布与之想对应，则称这两和随机变量间存在相关（correlation）关系。因此，血压与年龄、树木直径与高度、玉米穗长与穗重之间都存在相关关系。 ; 在生物学中，研究两变量间的关系，主要是为了探求两变量的内在联系，或者是从一个变量 X（可以是随机变量，也可以是一般的变量），去推测另一个随机变量。例如，我们希望通过施肥量 X 去推测产量 Y。施肥量是可以严格人为控制的，因此它是一个一般的变量。在由穗长（X）去推测穗重（Y）的情况中，因为穗长并不能人为控制，所以是一个随机变量。如果对于变两X的每一个可能的值 ci，都有随机变量Y 的一个分布相对应，则称随机变两 Y 对变量 X 存在回归（regre-ssion）关系。X 称为自变量（independent variable），Y 称为因变量（dependent variable）。 ; 在具有回归关系的两个变量之间，对于任何 ci 都不会有一个确切的 yi 与之相对应。但为了描述两个变量间的数量关系，可以选当 X＝ci 时 Y 的平均数 m y·ｘ＝ ci 与之相对应， m y·ｘ称为 Y 的条件平均数（conditional mean），记为 m y·ｘ。如何估计m y·ｘ，就是下面要讨论的一元回归问题。若X也是一个随机变量，在Y 对 X 存在回归关系的同时，X 对 Y 也存在回归关系，这时成 X 和 Y 间存在相关关系。在生物学的实际应用是，并不严格区分相关与回归，可以互相使用。 ;第一节 一元线性回归 （simple linear regression） 在做两个随机变量关系研究时，首先要收集数据。从变量变X 中得到c1，从Y 中得到y1。c1和y1这一对数据必须是有内在联系的。例如，从同一材料，同一人或同一头动物中，获得的两个不同的特征。在身高与体重的研究中，一定要用同一个人的身高与体重做一对数据，决不能用A的身高与B的体重配成一对数据。在收集到许多数据之后，最好先作一个散点图（scatter diagram），直观地描述一下两个变量之间的关系。用自变量X为横轴，因变两Y为纵轴，在XY平面内点上（c1，y1），（c2，y2），… ，（cn，yn）这些点，就构成一幅散点图。; 例如，土壤内 NaCl 的含量对植物的生长有很大的影响，NaCl 含