直线相关回归.pptVIP

直线相关与回归分析;第一节 直线相关(linear correlation);直线相关的概念;直线相关的性质和相关之间的密切程度：;直线相关系数;直线相关系数;直线相关系数;相关系数的计算 ;∑X=592, ∑Y=34.83, ∑X2=29512, ∑Y2=102.9833, ∑XY=1736.32，n＝12 ;相关系数的假设检验;相关系数的假设检验;例：就上例检验女大学生体重与肺活量间是否有直线相关关系 ;ν= n – 2 = 12 – 2 =10，t 0.01(10)=3.169 t=3.58＞3.169，P＜0.01，按α=0.05水准，拒绝H0，接受H1，故可认为一年级女大学生体重与肺活量间呈正的直线相关关系。 ;进行直线相关分析时的注意事项;样本相关系数是总体相关系数的一个估计值，与总体相关系数之间存在着抽样误差，必须作假设检验。 相关分析是用相关系数来描述两个变量间相互关系的密切程度和方向，相关关系不一定是因果关系。 出现异常值时慎用相关。;第二节 直线回归(linear regression);由图10.1可见，肺活量Y 有随体重X增加而增大的趋势，且散点呈直线趋势，但并非12个点子恰好全都在一直线上。;直线回归方程的求法 ;b为回归系数(regression coefficient)，即直线的斜率(slope) b＞0：表示直线从左下方走向右上方， 即Y随X增大而增大 b＜0：表示直线从左上方走向右下方，即y随X增大而减少 b＝0：表示直线与X轴平行，即X与Y无直线关系;根据数学上的最小二乘法(least square method)原理（即保证各实测点至直线的纵向距离的平方和最小），可导出a、b的算式如下：;就上例试求女大学生肺活量Y对体重X的直线回归方程 ：;回归方程： ;直线回归方程的图示 ; 注意：所绘直线必然通过点( )，若纵坐标、横坐标无折断号时，将此线左端延长与纵轴相交，交点的纵坐标必等于截距a。 ;直线回归方程的应用 ;回归系数的假设检验 ;目的：检验b是否来自总体回归系数β为零的总体 步骤 1. 建立假设和确定检验水准： H0：β=0 H1：β≠0 α=0.05;2. 计算统计量;ν总 = n-1 ν回归=1 ν残差=n-2 ;式中Sb为样本回归系数的标准误，Sy.x为剩余标准差，是当X的影响被扣除后，应变量Y值对于回归直线的离散程度。 ;应用直线回归应注意的问题;应用直线回归应注意的问题; 1. 在资料要求上，直线回归要求因变??Y服从正态分布；X是可以精确测量和严格控制的变量，一般称为I型回归。 ;直线相关要求两个变量X、Y服从双变量正态分布。这种资料若进行回归分析称为Ⅱ型回归。可以计算两个回归方程。 由X推Y的回归方程： ; 2.在应用上，说明两变量间依存变化的数量关系用回归，说明变量间双向的相互关系时用相关。 ;联系 1.对一组数据若同时计算r与b，它们的正负号是一致的。r为正号说明两变量间的相互关系是同向变化的。b为正，说明X增(减)一个单位，Y平均增(或减)b个单位。 2. 同一资料中r和b的假设检验是等价的，即对同一样本，二者的t值相等。 3. 回归与相关可互相解释。;1、区别： （1）直线相关的两个变量都需服从正态分布 直线回归中Y必须服从正态分布，X不一定 （2）相关表示相互关系（双向）， 回归表示数量依存关系（单向） 2、联系 （1）同一样本r与b的正负号是一致的 （2）同一样本r与b的假设检验是等价的 （3）相关回归可互相解释 r2 决定系数