畜牧生物实验统计课件003.pptVIP

第二章 多元回归与相关分析 第一节 多元线性回归分析 第二节 多元线性回归分析的两种数学模型(**) 第三节 复相关分析 第四节 偏相关分析 第五节 一元多项式回归 第六节 通径分析 第七节 多元非线性回归(**) 第一节 多元线性回归(Multiple linear regression) 任务：研究一个依变量与多个自变量间的线性关系 主要内容 —建立多元线性回归方程 —综合线性影响显著性的检验和分析 —检验和分析各个自变量的单纯线性影响的显著性，建立最优多元线性回归方程； —评定各个自变量影响的相对重要性以及测定回归方程的偏离度等。 一、多元线性回归方程的建立 (一) 数学模型 设 y 与x1、x2、…、xm间存在线性关系 y =α+β1x1+β2x2+…+βmxm+ε x1、x2、…、xm—可以观测的一般变量或随机变量； y — 可以观测的随机变量； ε—随机变量，相互独立，且都服从N(0,σ2)。 (一) 建立多元线性回归方程 设变量 x1、 x2、 … 、xm (自变量)、y(依变量)有n 组观测数据,见下表。 假定依变量 y 与自变量x1，x2，…，xm间存在线性关系，则 y 与x1，x2，…，xm间的多元线性回归方程为： 由 n 组实际观测数据，根据最小二乘法的原理确定多元线性回归方程中的b0，b1，b2，…，bm，即b0，b1，b2，…，bm应使实际观测值与回归估计值的偏差平方和最小。 令 Q为关于b0，b1，b2，…，bm的m+1元函数。 根据微分学中多元函数求极值的方法，若使达到最小，应有 经整理得 由方程组（2-2）中的第一个方程可得 即 其中， 若记 并将 分别代入方程组（2-2）中的后m个方程，经整理可得到关于b1，b2，…，bm的正规方程组(normal equations)为： 解正规方程组（2-4）即可得b1，b2，…，bm ，而 于是得到元线性回归方程： m元线性回归方程的图形为m+1维空间的一个平面，称为回归平面； b0称为回归常数项； 当x1=x2=… =xm=0时， 在有实际生物学意义时，b0表示y的起始值； bi (i=1,2,…,m) 称为依变量y对自变量xi的偏回归系数，表示除自变量xi以外的其余个自变量都固定不变时，自变量xi每变化1个单位，依变量y平均变化的单位数量。 若将 代入(2-1)式，则得 (2-5)式也为 y 对x1、x2、…、xm的m元线性回归方程。 对于正规方程组（2-4），记 则正规方程组（2-4）可用矩阵(matrix)形式表示为 即 Ab＝B (2－7) 其中，A为正规方程组的系数矩阵(coefficient matrix)，b为偏回归系数列向量(column vector)，B为常数项列向量。 设系数矩阵A的逆矩阵(inverse matrix)为C矩阵，即A-1＝C，则 其中，C矩阵的元素cij(i、j=1,2,…,m)称为高斯乘数(Gauss multiplier)，是多元线性回归分析中显著性检验与进一步统计分析所需要的。 例如，设依变量 y 与自变量x1、x2间存在线性关系，共有n组实际观测数据，欲建立二元线性回归方程 。 ㈡ 多元线性回归方程的偏离度 离回归平方和 离回归均方 离回归标准误 离回归标准误 sy·12…m 的大小表示了回归平面与实测点的偏离程度的大小，即回归估计值 与实测值 y 偏离的程度的大小，于是我们把离回归标准误 sy·12…m 用来表示回归方程的偏离度。 二、多元线性回归的显著性检验 ㈠ 多元线性回归关系的显著性检验 ㈡ 偏回归系数的显著性检验 ㈢ 自变量剔除与多元线性回归方程的重建 (一) 回归关系显著性检验 — F-检验 Ho：β1=β2= …=βm=0, HA：β