[理学]第7讲 线性回归分析20110530.pdfVIP

第七讲线性回归分析 线性回归分析 一、回归分析概述 二、回归分析的主要任务 三、利用SPSS进行回归分析 引言：线性统计模型简介 • 线性统计模型是现代统计学中应用最应用 最广泛的模型之一。因为： 在现实世界中，许多量之间具有线性或近似线 性依赖关系 在现实世界中，虽然许多量之间的关系是非线 性的，但是经过适当的变换之后，新变量之间 具有近似线性关系 线性关系是数学中最基本的关系，因而比较容 易处理。 引言：线性统计模型简介 • 最常用的两种线性统计模型： 线性回归模型：自变量为一个及以上的连续变量，因 变量为一个连续变量 Y b b X b X b X 0 + + ++ 1 1 2 2 K K 方差分析模型：自变量为一个及以上的称名变量，因 变量为一个及以上的连续变量 a Y a Y a Y b b X b X b X + ++ 0 + + ++ 1 1 2 2 i i1 1 2 2 j j 引言：线性统计模型简介 • 近年来比较热门的复杂线性统计模型： 结构方程模型（Structural Equation Model , SEM ）：多个原因变量与多个结果变量之间是 如何一种关系？ 多层线性模型（Hierarchical Liner Modeling ,HLM ）：如何对多个多水平、多层 次的数据进行分析？（传统的统计方法只能对 同一层次的数据进行分析，而无法探讨不同层 次变量之间的交互作用问题） 引言：最基本的变量关系——相关 • 相关关系与回归分析： 在现实世界中，存在这大量的这样情况：两个 变量例如X和Y有一些依赖关系，由X可以部分 地决定Y的值，但这种决定往往不很确切。例 如：人的体重与身高，若用X表示某人的身 高，用Y表示其体重。众所周知，一般来说， 当x大时，Y也倾向于大，但由X不能严格地决 定Y 。变量之间的这种关系称为“相关关系”， 回归模型就是研究相关关系的一个有力工具。 引言：最基本的变量关系——相关 • 线性回归模型是一个考虑了随机误差的直线方程式 Y f X e ( ) + 190 180 170 160 身 150 高 C M 140 40 50 60 70 80 体重KG 一、回归分析概述 1、回归分析的基本概念 ⑴含义：借助数学方程式对自变量与因变量间的不 确定关系进行一种数量化描述。回归