回归与相关（推荐使用）.pptVIP

宇传华 第七章 回归与相关Regression and Correlation 第一节??? 直线回归 函数关系： 确定。例如园周长与半径：y=2πr 。 一、直线回归方程 一般表达式： 二、回归方程参数的计算 最小二乘法原则(least square method)：使各散点到直线的纵向距离的平方和最小。即使 最小。 三、直线回归的假设检验 从图可知： 直线回归显著性检验的目的就是要判定回归变异与偏差变异之间的比例关系，如果这一比例越大，Y与X之间的直线回归效果越好，亦即直线的真实性越强；反之，真实性越弱。 在无效假设成立的条件下，回归均方与离回归均方的比值 服从 和 的F-分布，依此结论检验。 根据（8-9）式，离回归平方和的计算公式： SS剩的另一种解法 (二)方差分析 四、直线回归方程的区间估计 (二) 的区间估计 (三) 个体 的容许区间估计 95％ 的可信区间与 个体 的容许区间图示 五、回归方程的应用 第二节??? 直线相关 回归 ---- 变量间的依存关系 图7－4 相关系数示意图 图7－5 相关系数示意图 一、 相关系数概念 相关系数(correlation coefficient)，又称积差相关系数（coefficient of product – moment correlation），或 Pearson 相关系数（软件中常用此名称） 说明相关的密切程度和方向的指标。 r ——样本相关系数 三、 相关系数的计算 四、相关系数的假设检验 r≠0原因：① 由于抽样误差引起，ρ=0 ② 存在相关关系， ρ≠0 五、总体相关系数?的区间估计 六、直线回归与相关的区别与联系 区别： 联系： 七、直线回归与相关的 应用注意事项 第三节??? 等级相关rank correlation 适用资料：⑴ 不服从双变量正态分布 ⑵ 总体分布类型未知 ⑶ 原始数据用等级表示 Spearman等级相关系数的另一种计算方法 散点呈椭圆形分布， X、Y 同时增减---正相关（positive correlation)； X、Y 此增彼减---负相关(negative correlation) 。 散点在一条直线上， X、Y 变化趋势相同----完全正相关; 反向变化----完全负相关。 X、Y 变化互不影响----零相关(zero correlation) r无单位，-1 ≤ r ≥ 1。r 值为正 ——正相关， 为负 ——负相关； （与回归系数b的符号相同） |r|=1 --- 完全相关， |r|=0 --- 零相关。 二、相关系数的意义 公式 ，υ＝n-2 Sr---- 相关系数的标准误 注意：对于同一资料，tb＝tr，检验完全等价 1. 资料： ② X、Y服从双变量正态分布 ①Y正态随机变量，X为选定变量 回归 2. 应用 ： 回归 —— 由一个变量值推算另一个变量值 相关 —— 只反映两变量间互依关系 相关 3. 回归系数有单位,相关系数无单位 ⑴ 要有实际意义 ⑵ 不能任意“外延” ⑶绘制散点图 等级相关系数 rs（即Spearman Correlation Coefficient）——反映两变量间相关的密切程度与方向 。 Today: * 长江大学动物科学学院水产养殖教研室 * 制作：阮国良 变量间关系问题：营养水平~生长速度、药物剂量与动物死亡率、鳞长~体长等。 两种相关关系： 依存关系：应变量(dependent variable)Y随自变量(independent variable) X 变化而变化，是一种确定的关系，不受误差影响。 —— 回归分析 互依关系：变量 Y 与变量 X 间的平行关系，本质是一种统计意义上非确定性的关系，受误差影响。 —— 相关分析 实 例 例7-1 为探讨母婴TSH(促甲状腺激素)水平的关系，分析测定了160名孕妇（孕周15-17w）及分娩时脐带血TSH水平（mU/L