6_第六讲_2009硕士直线回归相关与等级相关1.ppt

（三）、直线回归类型的选择 I、II回归： 在资料要求上，回归要求因变量Y服从正态分布；X是可以精确测量与严格控制的变量，一般称为I型回归； 而对两个变量均服从双变量正态分布的资料，进行回归分析称为II型回归。 应变量（Y）满足独立性、方差齐性、正态性、效应可加性。 （四）、直线回归方程的应用 描述两变量之间的依存关系：利用直线回归方程即可定量描述两个变量间的依存关系。 利用回归方程进行预测：把预报因子（即自变量x）代入回归方程对预报量（即因变量Y）进行估计，即可得到个体Y值的容许区间。 利用回归方程进行统计控制：规定Y值的变化，通过控制x的范围实现统计控制的目标。 y=a + b x y=a + b x （五）、直线回归分析的注意事项 回归分析前,最好先作散点图,确定回归类型。回归分析两变量要有线性关系。 考核个别离群值及其作用 （五）、直线回归分析的注意事项 基本应用条件(LINE)：线性趋势L\独立性I\正态性N\方差齐性E。（直线回归要求应变量是正态分布计量资料，自变量可以是计量资料、等级资料、分类计数资料）。 方差齐性 利用残差(Y- ?)图，做分析后评价。在Y值存在自相关（不独立）或方差不齐时，散点呈扇型分布时，应注意曲线回归。 (Y- ?) x - 散点图 观察的样本必须是同质（组别、测量时点）的，否则会产生实际上不存在的回归或者忽略了确实存在的回归关系。 Y x 男 Y x 女 回归直线不要外延，一般以自变量的取值范围为限。均应经过假设检验：p0.01”与“ p0.05”的含义，两者的结论均为直线回归关系成立。 非线性观察值的处理 变量变换：符合条件后，再做线性分析。 分段进行直线回归分析。 多分类回归 非线性回归。 第二部分：直线相关分析 一、直线相关的概念 直线相关分析是描述两变量间是否有直线关系及直线关系的方向和密切程度分析方法。 用以描述两变量间相关关系的指标是相关系数（常用r表示），两变量间相关关系的种类有：正相关（0r1）、负相关（-1r0）、零相关（r=0）、完全相关(|r|=1)等。 二、直线相关分析的应用条件 两变量要求独立性 服从双变量正态分布 三、相关分析的基本步骤 统计描述: 绘制散点图，可直观说明直线相关的性质 。 计算相关系数:相关系数又称为积差相关系数 。 统计推断: 直线相关系数的假设检验 直线相关系数的95%可信区间 直线相关系数统计描述及推断 统计描述： 散点图：同前 相关系数r = 0.7495 统计推断：不能只根据相关系数绝对值的大小来判断相关的密切程度，正确判断需借助假设检验。 假设检验：相关系数检验的目的是判断两变量的总体是否有相关关系，方法有t检验和查表法，t检验法用于检验总体相关系数?是否等于0，直接查相关系数界值表得到相应的概率值p。 相关系数可信区间 H0：?=0, 即体重与肺活量之间无相关关系 H1： ? ≠0， 即体重与肺活量之间有相关关系 检验水准?=0.05 假设检验结果：p= 0.005 总体相关系数的区间估计 当r取反双曲正切函数后(Fisher 变换)，其值服从正态分布，可计算总体相关系数?的95%的可信区间z ? u? / (n-3)1/2 实例分析：相关系数95%可信区间为： 0.3081 ￣ 0.9254 实例分析（例1） 体重与肺活量为双变量正态分布，符合直线相关的应用条件。 散点图：无极端值与异常值。 直线回归、直线相关与等级相关 第六讲 直线相关与回归分析概述 研究两个变量之间的相互关系的统计方法。 区别：直线回归研究两个变量之间的数量依存关系;直线相关研究两个随机变量相关的密切程度。 第一部分：回归的基本类型 直线回归（I、II型回归） 曲线回归 多元线性回归 the tendency of offspring to be smaller than large parents and larger than small parents. Referred to as “regression towards the mean”. 向均数回归现象 线性关系与线性趋势 y x b0: intercept, b1: linear coefficient, b2: quadratic coefficient. 非线性关系 直线回归分析 一、直线回归 （一）直线回归方程简介 直线回归类似但不等于直线方程 y x y=a+b x y=a+b x y x 定义：直线回归是用直线回归方程表示两个数量变量间依存关系的统计分析方法，属双变量分析（X、Y）的范畴。 y=a+b x y为应变量(dependent variable)：指在x规定范围内随机变化的量。 x