第12章 简单回归分析.pptVIP

第十二章 简单回归分析 两变量间的数量关系 确定性关系是指两变量间的关系是函数关系。已知一个变量的值，另一个变量的值可以通过这种函数关系精确计算出来。 例如圆周长与半径：c=2πr 绘制散点图 线性回归方程的一般表达式： 二、线性回归分析适用条件 X与Y之间呈线性关系(Linear) 个体观察值之间独立(Independent) 给定X时，对应的Y服从正态分布(Normal Distribution) 不同的X所对应Y的方差相等(Equal Variance) 三、回归方程参数(a、b)的计算 求回归方程的原则 最小二乘法原则：使各散点到直线的纵向距离（残差）的平方和最小。即使 最小。 四、线性回归方程的假设检验 1、方差分析 3、总体回归系数的可信区间 利用上述对回归系数的t检验，可以得到β的1-α双侧可信区间为 4、决定系数 回归平方和与总离均差平方和之比 五、线性回归的应用 1、描述两个变量之间的线性依存的数量关系 2、统计预测，通过X预测估计Y的取值 （2）个体Y值的预测区间 五、进行线性回归分析的注意事项 1、资料要求：Y服从正态分布，X没有要求 2、做回归分析要有实际意义，一般Y为结果变量，X为原因变量 3、须对回归系数进行假设检验 4、使用回归方程计算估计值时，不可以把估计范围扩大到自变量的取值范围以外。 六、直线回归与相关的区别与联系 1、含义： 　　相关表示双向的相互关系 　　回归表示单向的依存变化数量关系 2、资料要求不同 　　相关：双变量正态分布 　　回归：Y正态分布 3、 r与b的计算公式、取值范围和单位不同 　　b一般有度量单位；r没有度量单位 联系： * 非确定性关系是指两变量在宏观上存在关系，但并未精确到可以用函数关系来表达 例如身高与体重的关系 一、线性回归的基本概念 实例 在某地一项膳食调查中，随机抽取14名40-60岁的健康妇女，测得每人的基础代谢与体重数据，见下表，据此数据如何判断这两项指标之间有无关联？ 线性回归直线 图 14名中年健康妇女的基础代谢与体重的散点图 a：截距(intercept)，直线与Y轴交点的纵坐标 b：斜率(slope)，回归系数(regression coefficient) 　b 的统计学意义是： 　　　X 每增加(减)一个单位，Y 平均改变b个单位 线性回归分析：用一条直线（即直线方程）来描述两个变量间依存变化的数量关系，得出的直线方程称为线性回归方程。 根据求极值方法可得到a、b的值 根据前面的计算有 得到的回归方程为： 需要检验总体回归方程是否成立！ b≠0原因：① 由于抽样误差引起，总体回归系数β=0 ② 存在回归关系，总体回归系数β ≠0 假设检验方法： 　　　方差分析(F检验)、t 检验 X Y的离均差平方和的分解 两边平方后求和 几个平方和的含义 其自由度分别为 如果两变量间总体回归关系确实存在，回归的贡献就要大于随机误差，大到何种程度时可以认为具有统计意义，可计算统计量F: 公式 ，υ＝n－2 Sb为回归系数的标准误 SY.X为Y的剩余标准差，即扣除X的影响后Y的变异大小。 2、t 检验 H0：β＝0 H1：β≠0 α=0.05 t 检验 查t界值表，t 0.001(12) =4.318，所以p0.001，拒绝H0，可以认为体重与基础代谢之间存在线性回归关系 它反映了回归的贡献的相对程度，即在Y的总变异中回归关系所能解释的比例 实际用决定系数来反映回归的实际效果 （1）Y的总体均数的置信区间 当X取某个固定值时，对应的Y也存在一定的波动范围，个体Y值的预测区间（相当于参考值范围）可以用下式求 3、统计控制，利用回归方程进行逆估计 区别 *