第七章简单回归与相关分析_PPT课件.ppt

第七章 一元回归分析与简单相关分析; 变量间的关系有两类： 一类是变量间存在着完全确定性的关系，可以用精确的数学表达式来表示。 如长方形的面积 （S） 与 长（a）和 宽（b）的关系可以表达为： S=ab 它们之间的关系是确定性的，只要知道了其中两个变量的值就可以精确地计算出另一个变量的值，这类变量间的关系称为函数关系。 ; 另一类是 变 量 间不存在完全的确定性关系，不能用精确的数学公式来表示。 例如： 黄牛的体长与体重的关系； 仔猪初生重与断奶重的关系； 猪瘦肉率与背膘厚度、眼肌面积、胴体长等的关系等等。 这些变量间都存在着十分密切的关系，但不能由一个或几个变量的值精确地求出另一个变量的值。 统计学中把这些变量间的关系称为相关关系，把存在相关关系的变量称为相关变量。 ;相关变量间的关系一般分为两种: 1、因果关系。 一个变量的变化受另一个或几个变量的影响。如仔猪的生长速度受遗传、营养水平、饲养管理条件等因素的影响；子代的体高受亲本体高的影响。 2、平行关系。 它们互为因果或共同受到另外因素的影响。如黄牛的体长和胸围之间的关系，猪的背膘厚度和眼肌面积之间的关系等都属于平行关系。; 统计学上采用回归分析 研究呈因果关系的相关变量间的关系。表示原因的变量称为自变量，表示结果的变量称为依变量。 研究“一因一果”，即一个自变量与一个依变量的回归分析称为一元回归分析； 研究“多因一果”，即多个自变量与一个依变量的回归分析称为多元回归分析。 一元回归分析又分为直线回归分析与曲线回归分析两种；多元回归分析又分为多元线性回归分析与多元非线性回归分析两种。 ; 回归分析的任务是 揭示出呈因果关系的相关变量间的联系形式，建立它们之间的回归方程，利用所建立的回归方程，由自变量（原因）来预测、控制依变量（结果）。 ; 图7-1 x，y的散点图;从散点图可以看出： ①两个变量间有关或无关。若有关，两个变量间关系类型，是直线型还是曲线型。 ②两个变量间直线关系的性质（是???相关还是负相关）和程度（是相关密切还是不密切）。 散点图直观地、定性地表示了两个变量之间的关系。 而， 根据观测值，可以将两个变量之间的关系定量地表达出来。; 根据n对观测值所描出的散点图，可以直观看出呈因果关系的两个相关变量y(依变量)与x(自变量)间的关系是直线关系还是曲线关系。 由于依变量y的实际观测值总是带有随机误差，因而依变量y的实际观测值yi可用自变量x的实际观测值xi表示为：;其中: x 为可以观测的一般变量(也可以是可以观测的随机变量)； y 为可以观测的随机变量； ? i为相互独立，且都服从N（0，σ2）的随机变量。 这就是直线回归的数学模型。我们可以根据实际观测值对α，β以及方差σ2做出估计。; 在x、y直角坐标平面上可以作出无数 条直线，我们把所有直线中最接近散点图中全部散点的直线用来表示x与y的直线关系，这条直线称为回归直线。 ; 其中，a是α的估计值，b是β的估计值。 a、b应使回归估计值 与实际观测值y的偏差平方和最小，即：;解正规方程组，得：;（7-3）式中的分子是自变量x的离均差 与 依 变 量 y 的 离 均 差 的 乘 积和 ，简称乘积和，记作 ，分母是自变量x的离均差 平方和 ，记作SSx。 a叫做样本回归截距，是回归直线与y轴交点的纵坐标，当x=0时， =a；;性质1;二、直线回归的显著性检验 若x和y变量间并不存在直线关系， 但由n对观测值（xi，yi）也可以根据上面介绍的方法求得一个回归方程 =a+bx。 显然，这样的回归方程所反应的两个变量间 的直线关系是不真实的。 为了判断直线回归方程所反应的两个变量间的直线关系是否真实，我们先探讨依变量y的变异，然后再作出统计推断。;图7-4 的分解图 ; 从图7-4看到： 上式两端平方，然后对所有的n点求和，则有 ; 所以有 （7-6） 反映了y的总变异程度，称为y的总平方和，记