回归与相关初步.PPTVIP

“一因一果”，即一个自变量与一个依变量一元回归分析； 研究“多因一果”，即多个自变量与一个依变量的回归分析称为多元回归分析。 一元回归分析又分为直线回归分析与曲线回归分析两种； 多元回归分析又分为多元线性回归分析与多元非线性回归分析两种。 6. 回归系数的假设检验 建立样本直线回归方程，只是完成了统计分析两变量关系的统计描述，研究者还须回答它所来自的总体的直线回归关系是否确实存在，即是否对总体有 ？ 1.总体回归线的95%置信带 即μ 的可信区间 95％ μ 的可信区间与 个体 Yi 的预测范围有关数据 7 12 10 8 6 9 11 13 X 8 7 6 5 4 3 2 1 编号 3.1800 2.0922 2.8883 2.3839 0.2223 0.1031 2.636 2.65 3.8760 2.7882 3.5843 3.0799 0.2223 0.1031 3.332 3.18 3.5662 2.5412 3.2281 2.8793 0.2095 0.0713 3.054 3.36 3.2985 2.2521 2.9790 2.5716 0.2138 0.0832 2.775 2.56 3.0705 1.9233 2.8080 2.1858 0.2344 0.1271 2.497 2.48 3.4270 2.4020 3.0889 2.7401 0.2095 0.0713 2.915 3.09 3.7161 2.6697 3.3966 2.9892 0.2138 0.0832 3.193 3.01 4.0449 2.8977 3.7824 3.1602 0.2344 0.1271 3.471 3.54 个值 上限 个值 下限 均数 上限 均数 下限 个值 标准误 均数 标准误 Y_hat Y 直线回归方程的应用 描述两变量的依存数量关系； 利用回归方程进行预测：由易测的变量值估算难算的变量值（由 x 估计 y）； X：汽车流量 ( 辆/小时 ) , y: NOx ( mg/M3) y = -1.674 + 0.0001838 x ^ 利用回归方程进行控制：即利用回归方程进行 逆估计（由 y 估计 x）。 第三节 直线相关 ( linear correlation ) 简单相关(simple correlation)，用于双变量正态分布资料。 进行直线相关分析的基本任务在于根据x、y的实际观测值计算表示两个相关变量x与y线性相关程度和性质的统计指标—相关系数r，并进行显著性检验。 1．直线相关的概念 直线相关是研究两变量 x、y 之间协同变化的线性关系 的分析方法。 体重（kg），x 肺活量（ ） , Y L 十名女中学生体重与肺活量散点图 2．对资料的要求 x、y 都是正态分布资料的随机变量。 3．相关系数 （correlation coefficient ，r ) 表示方法： -1 ? r ? 1 * 意义：描述两个变量直线相关的方向与 密切程度的指标。 正相关 负相关 0 r 1 -1 r 0 相关系数示意： r = 1 r = - 1 完全正相关 完全负相关 * 直线回归与相关 linear regression and correlation 回归分析与相关分析 双变量间关系：年龄~身高、肺活量~体重、药物剂量与动物死亡率等。 依存关系：应变量(dependent variable)Y随自变量(independent variable)X变化而变化。 —— 回归分析 互依关系: 应变量Y与自变量 X间的彼此关系 ——— 相关分析 双变量计量资料：每个个体有两个变量值 总体：无限或有限对变量值 样本：从总体随机抽取的n对变量值 （X1,Y1）, （X2,Y2）, …, （Xn,Yn） 目的：研究X和Y的数量关