第11章 简单线性回归.ppt

第十一章;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的数量关系 方法：回归与相关 简单、基本——直线回归、直线相关; ; 儿子身高（Y，英寸）与父亲身高（X，英寸）存在线性关系： 即高个子父代的子代在成年之后的身高平均来说不是更高，而是稍矮于其父代水平，而矮个子父代的子代的平均身高不是更矮，而是稍高于其父代水平。Galton将这种趋向于种族稳定的现象称之“回归”。; 目前，“回归”已成为表示变量之间某种数量依存关系的统计学术语，并且衍生出“回归方程”、“回归系数”等统计学概念。如研究糖尿病人血糖与其胰岛素水平的关系，研究儿童年龄与体重的关系等。;第一节 简单线性回归; 例11-1 某地方病研究所调查了8名正常儿童的尿肌酐含量（mmol/24h）如表11-1。估计尿肌酐含量（Y）对其年龄（X）的回归方程。 ; 表11-1 8名正常儿童的年龄 （岁）与尿肌酐含量 （mmol/24h） ;图11-1　8名儿童的年龄与其尿肌酐含量散点图; 在定量描述儿童年龄与其尿肌酐含量数量上的依存关系时，将年龄称为自变量(independent variable)，用 X 表示；尿肌酐含量称为应变量(dependent variable)，用 Y 表示。 ; 由图11-1可见，尿肌酐含量 Y 随年龄 X 增加而增大且呈直线趋势，但并非8个点恰好全都在一直线上，此与两变量间严格的直线函数关系不同，称为直线回归（linear regression），其方程叫直线回归方程，以区别严格意义的直线方程。 双变量直线回归是回归分析中最基本、最简单的一种，故又称简单回归。;直线回归方程的一般表达式为 ;1．a 为回归直线在 Y 轴上的截距。;b0，直线从左下方走向右上方，Y 随 X 增大而增大； b0，直线从左上方走向右下方，Y 随 X 增大而减小； b=0，表示直线与 X 轴平行，X 与Y 无直线关系。; ;二、回归参数的估计 ; ;; 例11-1 某地方病研究所调查了8名正常儿童的尿肌酐含量（mmol/24h）如表11-1。估计尿肌酐含量（Y）对其年龄（X）的回归方程。 ; 表11-1 8名正常儿童的年龄 （岁）与尿肌酐含量 （mmol/24h） ;解题步骤;;5．列出回归方程; 此直线必然通过点( , )且与纵坐标轴相交于截距 a 。如果散点图没有从坐标系原点开始，可在自变量实测范围内远端取易于读数的 X 值代入回归方程得到一个点的坐标，连接此点与点( , )也可绘出回归直线。 ;图11-1　8名儿童的年龄与其尿肌酐含量散点图;三、回归模型及参数的统计推断;图11-3 总体回归系数与样本回归系数示意图;;（一）回归方程的假设检验 ;1．方差分析 ;（X，Y）;;上式用符号表示为 ;;;上述三个平方和，各有其相应的自由度 ，并有如下的关系： ; 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 ;式中 ;2. t 检验;例11-2 检验例11-1数据得到的直线回归方程是否成立？ ;（1）方差分析; 表11-2 方差分析表 ;（2）t 检验;注意：;（二）总体回归系数 的可信区间; 例11-3 根据例11-1中所得b=0.1392，估计其总体回归系数的双侧95%可信区间。 ;（0.1392-2.447×0.0304，0.1392+2.447×0.0304） =（0.0648，0.2136）;第二节 线性回归的应用;;（11-20） ;2、个体Y值的容许区间;两条实曲线——总体均数的可信区间； 两条虚曲线——个体Y值的容许区间，范围更宽。 二者都是中间窄，两头宽；都在X= 处最窄。 ; 例11-4 用例11-1所得直线回归方程，计算当X0=12时， 的95%可信区间和相应个体值的95%容许区间。 ;计算步骤;;第三节 残差分析* ;线性回归模型成立的前提条件： 线性（line）— 散点图／残差图 独立（independence） — 专业知识 正态（normal） — 残差的直方图／正态概率图 等方差（equal variance） —散点图／残差图;残差图; 若模回归型选择的正确，残差图中的点应该分布在以０轴为中心的带形区域； 对于远离０轴的点，要特别注意。;第四节 回归分析应用的注意事