第9章 节 直线相关和回归 试验统计学 .pptVIP

试验统计学;试验统计学;第二节 一元直线回归分析;第九章 直线相关与回归分析;第一节 直线相关分析;第一节 直线相关分析;第一节 直线相关分析; 协方差是一个有单位的量，例如如果x为体高(cm)， y为体重(kg)，那么协方差的单位为cm.kg。比较两组 单位不同的协方差的大小便显得没有意义。 例如要讨论体高与血压之间的关系密切还是体重与血 压之间关系密切时，用协方差比较就显得无能为力。;表9.1 为说明两变量之间的线性关系而假设的三组（x，y）观察值;第一节 直线相关分析;第一节 直线相关分析; Fisher氏建议对相关系数进行反双曲正切转换，得到 的新变量能近似地服从正态分布。即;第一节 直线相关分析;第一节 直线相关分析;对两个相关系数差异显著性的测验; 如果两样本所来自的两个二元总体的相关系数?1 和 ?2 和之间没有显著差异，便可以认为它们都来源于 同一个相关系数为 ? 的二元总体。从而可以将两个 样本合并，对 ? 进行估计。 ? 的估计式为：;第一节 直线相关分析;第一节 直线相关分析;第一节 直线相关分析; 回归一词最初是由英国生物学家Galton F.(1822～1911)提出来的。通过50年对相继世代人类体高的研究后发现，父母个子高，子女的个子一般也高。他还发现，高个子的父母其子女的身高有低于父母的趋势，而矮个子父母的子女有高于父母的趋势。从整个人类来看，人的身高有回归于人的平均身高的趋势，从而提出了回归律(Law of regression)。 ; 统计学家把这样一种遗传变异现象引用到统计预测上来，便形成了回归分析方法。 回归分析与相关分析不同，相关分析所得出的相关系数只是用以说明两变量之间相互关系的密切程度，而回归分析则是要得到变量之间数量上的联系方程式及其变化规律。运用回归分析要求先建立变量之间的关系式，即回归方程式，然后通过回归方程式，由自变量的数值去预测依变量的数值。 在回归分析中，如果各变量值之间的数量关系在坐标系中能近似地形成线性分布，那么用回归方程式来表示它们之间的数量关系并进行分析的方式，称为线性回归或直线回归。在直线回归中，按照自变量的个数??多少，可以分为一元直线回归和多元直线回归。;如果某总体的两变量x，y之间有线性关系： yi ＝ ? ＋? xi ＋?i 　　? 称为总体模型的回归截距， ? 称为总体回归系数，?i 为随机误差。 ;解正规方程组：;只要求出两点的坐标，求可以做出直线的图：;第二节 一元直线回归分析; 直线回归方程： 中，;年份;第二节 一元直线回归分析;第二节 一元直线回归分析;第二节 一元直线回归分析;画回归直线：;对此统计假设有两种测验方法：;方差分析法: ;对整个资料所有点的求和得： ;对整个资料所有点的求和得： ;三个平方和的计算公式: ;将三个平方和填入方差分析表得: ;将三个平方和填入方差分析表得: ;以例9.2的回归方程为例，在前面已算得: ;将三个平方和填入方差分析表得: ;计算回归方差 和误差方差 : ; 测验法是计算一个 值与 和 比较：;第二节 一元直线回归分析;本例中， ;本例中， ;第二节 一元直线回归分析;第二节 一元直线回归分析;第二节 一元直线回归分析;第二节 一元直线回归分析;第二节 一元直线回归分析;第二节 一元直线回归分析;第二节 一元直线回归分析;第二节 一元直线回归分析;第二节 一元直线回归分析;P184;Class is Over