畜牧生物实验统计课件006.pptVIP

第五节???? 一元多项式回归 研究一个依变量与一个或多个自变量多项式联系的回归分析方法，称为多项式回归。 —一元多项式回归（只有一个自变量）； —多元多项式回归（有多个自变量） 因为任一函数都可以分段用多项式来逼近。因此，在实际问题研究中，不论依变量与自变量的关系如何，我们总可以用多项式回归进行分析。 在回归分析中，当只有一个自变量时，如果依变量 y 与自变量 x 的关系为非线性的，但是又找不到适当的变量变换形式使其变为线性，则可以选用一元多项式回归，其最大优点就是可以对任何双变量资料进行回归逼近，直至满意为止。 ㈠ 一元多项式回归数学模型 设依变量y与自变量x的内在关系为m次多项式，y与x共有n对观测值（xi , yi）（i=1，2，…，n）。那么，在xi处的观测值yi可表示为： 其中， ㈡ 一元多项式回归的一般方法 对于模型（2-52）式的一元多项式回归方程为 ㈢ 一元多项式回归方程的拟合度与偏离度 ㈣ 一元多项式回归自变量最高次数的选择 在一元多项式回归分析中，对于双变量的n对观测值，在理论上最多只能配到m = n-1 次多项式。 对于一个实际双变量的资料，一元多项式回归方程的自变量的最高次数应取多少，可以参考资料的二维散点图来确定。 一般情况下，散点所表现的曲线趋势的“波峰”数 +“波谷”数+1，可作为一元多项式回归方程的自变量的最高次数。 但若散点波动大或者“波峰”、“波谷”两侧不对称，可再高一次或二次。 【例2·3】 给动物口服某种药物A 1000mg，每间隔1小时测定血药浓度（g/ml），得到表2-5的数据（血药浓度为5头供试动物的平均值）。试建立血药浓度（依变量y）对服药时间（自变量x）的回归方程。 表2-5 血药浓度与服药时间测定结果表 ㈠ 根据表2-5的数据资料绘制x与y的散点图 ㈡ 进行变量变换 ㈢ 进行二元线性回归分析 先计算 再计算 于是得到关于的正规方程组为 求出上述正规方程组系数矩阵的逆矩阵 还需对二元线性回归方程即二元线性回归关系进行显著性检验。 于是，得到二元线性回归方程 列出方差分析表，进行F检验。 表2-6 二元线性回归关系方差分析表 偏回归系数的显著检验，应用F检验法 ㈣ 建立一元二次多项式回归方程 将x1还原为x，x2还原为x2，即得y对x的一元二次多项式回归方程 ㈤ 计算相关指数R2 该回归方程离回归标准误为： * 一元多项式回归问题 多元线性回归问题 相关指数R2表示一元多项式回归方程拟合度的高低，或者说表示一元多项式回归方程估测的可靠程度的高低。 离回归标准误 sr 度量即一元多项式回归方程的偏离度。 2.8702 -4.1325 -0.7192 1.2101 1.0954 0.0267 -0.406 0.8773 -0.8234 　 0.2998 29.4425 51.0592 65.1499 71.7146 70.7533 62.266 46.2527 22.7134 3.17 25.31 50.34 66.36 72.81 70.78 61.86 47.13 21.89 血药浓度y(g/ml) 9 8 7 6 5 4 3 2 1 服药时间x（h） 图2-1 表2-5资料的散点图 关于b1、b2的解为 　 　 8 4859.2364 总变异 4.7536 6 28.5215 离回归 508.111** 2415.3575 2 4830.7149 回 归 F MS df SS 变异来源