26+++回归分析-2 spss课件 教学课件.pptVIP

第二十六讲 回归分析-2 一. 回归系数的显著性检验 对回归方程有三种等效的方法 对回归方程进行方差分析 对两个变量的相关系数进行总体零相关的显著性检验 对回归系数进行显著性检验 1．估计误差的标准差 与某Ｘ值对应的回归值，是与该Ｘ值对应的诸Ｙ值的平均数的估计值。这种估计会有一定的误差，可用估计误差的标准差作为描述这一估计误差大小的指标。 估计误差的标准差也只能从样本加以估计，其无偏估计量为 将公式（21．1）两边平方得到的结果，实际上就是回归方程方差分析中的误差方差或称残差方差。 （21．2） 例1：10名学生初一对初二年级数学成绩的回归方程，经计算，SST=268.1，SSR=163.724，可算得： 2．对回归系数的显著性检验 H0：β=０ 检验统计量为 t 上述公式中 因此检验统计量的计算公式可写为： 例2：对10名学生初一对初二年级数学成绩的回归系数进行显著性检验，检验过程为 H0：β=０ H1：β≠０ 统计量计算 二．一元线性回归方程的评价──测定系数 一元线性回归方程中，总平方和等于回归平方和与误差平方和之和： 由回归造成的平方和在总平方和中所占的比例越大，该回归方程的回归效率就越高。 回归平方和在总平方和中所占的比例，称为测定系数（coefficient of determination） ，用r 2表示。 例3：10名学生初一对初二年级数学成绩回归方程方差分析计算中得到： SST=268.1 SSR=163.724 则回归方程的测定系数为 三．一元线性回归方程的应用 回归方程主要是由自变量的值估计和预测因变量的值。这里的估计预测包含两个方面：一方面是用样本的回归方程推算因变量的回归值 ；另一方面是根据样本的回归值 估计预测因变量的真值Ｙ。 1． 由样本回归方程　　推算因变量的回归值 根据样本数据建立的回归方程经检验显著，表明两个变量之间存在线性关系，这时可将已知自变量的值代入回归方程式，推算出因变量的估计值（回归值）。 需要注意的是，只能根据回归方程由自变量估计因变量，而不能由因变量估计自变量。这两种估计需要根据两条不同的回归线。 还应注意，应用回归方程由自变量的值估计因变量的值时，数据范围不应超过原来样本数据的范围。 无论由Ｘ估计Ｙ还是由Ｙ估计Ｘ都有误差产生。这一误差用误差的标准差来表示。 而由Ｙ估计Ｘ的误差的标准差则为 例4：根据10名学生初一和初二年级的数学成绩。如果另有一名学生的初一数学成绩为76，试估计他初二时的数学成绩会是多少？ 表21-1 10个学生初一与初二数学成绩回归系数计算表 问题思考： 从表中可看到，Ｘ＝76时，Ｙ=76 而由回归方程计算得到的回归值为 2．对因变量真值的预测 利用回归方程由自变量的值在一定概率意义上估计出因变量的所在区间，只反映了与某自变量的值相对应的那些因变量的值在回归值上下的变异。 用回归方程计算出的回归值，并不是因变量的真值。要预测其真值还需要考虑到各样本回归方程之间的变异。 ⑴．由自变量估计因变量真值的误差标准误 衡量由某一Ｘp值估计预测相应Ｙp值的真值Ｙ0时所产生的误差指标，称为误差标准误。它由两部分组成：一部分是对应于Ｘp点的那些Ｙp值与回归值　 的差异即　　；另一部分是各样本回归方程之间的差异，即 。 各回归值之间的标准差又可计算为 将（21．8）式代入（21．7）式，则估计误差标准误为： ⑵．由自变量估计预测因变量真值的置信区间 根据总体参数区间估计的原理，其真值的置信区间应由公式（21．10）计算，计算公式为： 例5：根据10名学生初一和初二年级的数学成绩。若另有一名学生的初一数学成绩为76，试估计他初二时的数学成绩的真值是多少？ 计算 从公式（21．10）可以看出： 当ＸP值不同时， 值不同，与每一个ＸP相对应的ＹO的置信区间也不同。将这些置信区间的上下端点分别连接起来，所形成的带形区间，称为真值ＹO的预测区间。 当样本容量较大时，公式（21．10）根号内的数值一般接近于1，则 练习与思考 认真复习一元线性回归方程的检验与评价的原理和方法，掌握回归方程的应用。 一元线性回归分析的完整过程应包括哪些内容及哪些主要步骤？ * * （21．1） 可见回归方程的估计误差并不大。 （21．3） 公式中SEb为回归系数的标准误，其计算公式为 （21．4） 两边同除以总平方和，得到 ： （21．5） 当样本容量较大时，由Ｘ估计Ｙ的误差的标准差可改写为 （21．6） 估计误差的标准差反映了实际Ｙ值在其回归值　上下波动的范围。由这一标准差的值，可判断由回归值　 对实际Ｙ值估计的误差大小。 解：首先根据10名学生的成绩建立由初一的数学成绩估计初二数学成绩的回归方程；将另