第九章 回归分析 教育统计分析(研究生) 教学课件.pptVIP

第九章 多元回归分析 浙江师范大学教育学院心理系 徐长江 xucj@zjnu.cn 纲要 回归分析的基本原理 一元回归分析 多元回归分析 多元回归分析的方法 多元回归分析的实现 回归分析的目的 设法找出变量间的依存(数量)关系, 用函数关系式表达出来 Example: Height vs Weight Strong positive correlation between height and weight Can see how the relationship works, but cannot predict one from the other If 120cm tall, then how heavy? Simple Regression How best to summarise the data? Establish equation for the best-fit line: 回归系数(regression coefficient) 回归方程式Y=bX+a B系数： 为一未标准化的回归系数，其意义为每单位X值的变动时，Y所变动的原始量 B系数适用于实务工作的预测数值的计算 ?系数： 如果将b值乘以X变项的标准差再除以Y变项的标准差，即可去除单位的影响，并控制两个变项的分散情形，得到新的数值?（Beta），为不具备特定单位的标准化回归系数 ?系数也是将X与Y变项所有数值转换成Z分数后，所计算得到的回归方程式的斜率，该方程式通过ZX，ZY的零点，因此截距为0。 ?系数具有与相关系数相似的性质，也就是介于-1至+1之间，其绝对值越大者，表示预测能力越强，正负向则代表X与Y变项的关系方向。 ?系数适用于变项解释力的比较，偏向学术用途 Simple RegressionHow accurate is the description? 一元线性回归方程的方差分析 Testing for Significance: F Test显著性F检验 假设 H0: ?1 = 0 H1: ?1 ? 0 检验统计量 F = MSR/MSE 拒绝规则 如果F F? ，拒绝 H0 其中 F? 是分子自由度为1，分母自由度为n - 2 的F分布. MSR=SSR/自变量个数， MSE=SSE/n-2 回归方程的方差分析表 Testing for Significance: t Test显著性t检验 假设 H0: ?1 = 0 H1: ?1 ? 0 检验统计量 拒绝规则 如果 t -t????or t t????，拒绝 H0 其中t??? 是自由度为 n - 2 的 t 分布 决定系数 即，相关系数的平方等于回归平方和在总平方和中所占的比率。是两个变量共同变异部分的比率，叫做决定系数（Coefficient of determination）（ R square）。 表示使用X去预测Y时的预测释力，即Y变量被自变量所解释的比率。反映了由自变量与因变量所形成的线性回归模式的契合度（goodness of fit） 此一数值是否具有统计上的意义，反映了此一回归分析或预测力是否具有统计上的意义，必须通过F检验来判断 For simple regression, R2 is the square of the correlation coefficient Reflects variance accounted for in data by the best-fit line Takes values between 0 (0%) and 1 (100%) Frequently expressed as percentage, rather than decimal R2 = 0 (0% - randomly scattered points, no apparent relationship between X and Y) Implies that a best-fit line will be a very poor description of data R2 = 1 (100% - points lie directly on the line - perfect relationship between X and Y) Implies that a best-fit line will be a very good description of data 例子 数据t2_1.sav的数据是我国分地区家庭年人均食品支出与人均年收入的数据。以食品支出为因变量，人均年