[理学]第10章直线相关与回归.pptVIP

本 章 重 点 掌握： 直线相关、直线回归的基本概念 相关系数、回归系数的意义 相关、回归分析的注意事项 熟悉： 相关、回归系数的假设检验 直线回归的应用 等级相关的计算 客观世界中的种种现象可分为确定性现象和非确定性现象两类。 就两个变量而言，如果对一个变量的每个可能取值，另一个变量都有完全确定的值与之对应，则称这两个变量之间的关系呈现函数关系。(圆周长＝2　r） 在生物医学研究中，变量之间的关系多不是确定的，表现为具有随机性的一种“趋势”，也即自变量(independent variable)取不同数值时，应变量(dependent variable)可以是不同的取值，而且某值的出现完全是随机的。 但是对应Xi在一定范围内的不同取值，应变量Y随X的变化呈现一定的趋势。 人的身高与体重、收缩压与年龄之间的关系，一般说来，身高愈高的人，体重也重一些；年龄愈长者，收缩压也越高，从总体上看，都有某变量随另一变量变化的趋势。但这种关系显然不是函数关系。 相关与回归分析就是研究两变量之间非确定性关系的一种统计方法。 为了研究父亲与成年儿子身高之间的关系，卡尔.皮尔逊测量了1078对父子的身高。把1078对数字表示在坐标上，如图。用水平轴X上的数代表父亲身高，垂直轴Y上的数代表儿子的身高，1078个点所形成的图形是一个散点图。它的形状象一块橄榄状的云，中间的点密集，边沿的点稀少，其主要部分是一个椭圆。 编号 身高(cm) 前臂长(cm) XY X2 Y2 X Y (1) (2) (3) (4) (5) (6) 1 170 47 7990 28900 2209 2 173 42 7266 29929 1764 3 160 44 7040 25600 1936 4 155 41 6355 24025 1681 . . . . . . . . . . . . 11 166 44 3174 28561 2116 合计 1891 500 86185 326081 22810 本例： n=11 Σx=1891 Σx2=326081 Σy=500 Σy2=22810 Σxy=86185 相关系数的假设检验步骤： 1．建立检验假设： H0： H1： α＝0.05 2．计算统计量： 已知：r=0.8012 n=11 3．确定P值，作出推论 υ=11-2=9 t0.005(9)=3.690 tr=4.0173.690 P0.005 查表法(附表11)： 0.8012 r0.005(9)=0.776，P0.005。 （ 结果一致） 四、线性相关分析时的注意事项 两个变量之间的关系是双向的，分析前先绘制散点图； x、y 是双变量正态分布资料的随机变量; 样本相关系数是总体相关系数的一个估计值，与总体相关系数间存在抽样误差，判断前必须作假设检验； 两个事物之间的关系可能是因果关系，也可能是相互伴随的数量关系。 第二节　直线回归 例如： 前例已知儿子的身高与父亲的身高有相关关系，能否通过父亲的身高估计儿子的身高呢？由于相关关系具有不确定性, 不能用数学上的函数关系来描述。 回归是一种研究两变量之间非确定性数量依存关系的统计方法。 直线回归(linear regression)是找出一个直线方程来反映这种数量依存关系。 a和b的估计采用最小二乘法原则，即保证各实测点至回归直线的纵向距离平方和为最小。 b为回归系数，