第十章 直线回归与相关分析.pptVIP

第十章　直线回归与相关分析 ＆10.1　回归和相关分析概述 ＆10.2　直线回归分析 ＆10.3　直线相关分析 ＆10.1　回归和相关分析概述 二、回归、相关分析的任务与类型 三、两个变数资料的散点图 对具有统计关系的两个变数的资料进行初步考察的简便而有效的方法，是将这两个变数的n对观察值(x1，y1)、(x2，y2)、…、(xn，yn)分别以坐标点的形式标记于同一直角坐标平面上，获得散点图(scatter diagram)。 根据散点图可初步判定双变数X和Y间的关系: ①X和Y相关的性质(正或负)和密切程度 ②X和Y的关系是直线型的还是非直线型的 ③是否有一些特殊的点表示着其他因素的干扰 ＆10.2　直线回归分析 一、直线回归方程的建立 二、直线回归的显著性检验 三、直线回归的区间估计 一、直线回归方程的建立 总体直线回归方程：y=α+βx 回归方程的基本条件（性质）： 例[9.1]一些夏季害虫盛发期的早迟和春季温度高低有关。江苏武进连续9年测定3月下旬至4月中旬旬平均温度累积值（x,旬.度）和水稻一代三化螟盛发期（y,以5月10日为0）的关系，得结果于表9.1。试计算其直线回归方程。 二、直线回归的显著性检验 回归关系的假设测验： 对于样本的回归方程，必须测定其来自无直线回归关系总体的概率大小。只有当这种概率小于0.05或0.01时，我们才能冒较小的危险确认其所代表的总体存在着直线回归关系。这就是回归关系的假设测验 。 1、回归系数显著性检验──t检验 　 对直线回归系数b的假设检验为： HO ：β=0；HA β≠0。 在HO成立的条件下，回归系数b服从t分布。 [例9.3] 试测验例9.1资料回归关系的显著性。 2.回归关系显著性检验──F检验 表9.3 例9.1资料回归关系的方差分析 统计学已证明，在直线回归分析中F检验与t检验法是等价的，可任选一种进行检验。 特别要指出的是：利用直线回归方程进行预测或控制，一般只能内插，不要轻易外延。 三、直线回归的区间估计 1．直线回归的抽样误差 例[9.1]一些夏季害虫盛发期的早迟和春季温度高低有关。江苏武进连续9年测定3月下旬至4月中旬旬平均温度累积值（x,旬.度）和水稻一代三化螟盛发期（y,以5月10日为0）的关系，得结果于表9.1。 byx =SPxy/SSx 是x为自变量、y为依变量时的回归系数。 　决定系数r2表示了互为因果关系的相关变量x与y间直线关系的程度。 　　　决定系数介于0与1之间，不能反映x与y直线关系的性质──是同向增减或异向增减。 无效假设HO：ρ=0 ； 备择假设为:　HA:ρ≠0。 查表法 先根据自由度n-2查临界r值(附表8)，得　　　　　 若|r|＜ ，P＞0.05，则相关系数r不显著； 若 　≤|r|＜ ，0.01＜P＜0.05，则相关系数r显著，标记“*”； 若|r|≥ ，P≤0.01， 则相关系数r极显著，标记“**”。 [例9.11] 试计算例9.1资料3月下旬至4月中旬积温和一代三化螟盛发期的相关系数和决定系数。 四、直线回归与直线相关的联系 研究对象都是呈直线关系的相关变量。 直线回归分析将二个相关变量区分为自变量与依变量，侧重于寻求它们之间的联系形式──建立直线回归方程； 直线相关分析不区分自变量于依变量，侧重于揭示它们之间联系程度与性质──计算出相关系数。 1、变量间是否存在相关 直线回归分析和相关分析毕竟是处理变量间关系的数学方法，在将这些方法应用于生物科学研究时要考虑到生物本身的客观实际情况，譬如变量间是否存在直线相关以及在什么条件下会发生直线相关，求出的直线回归方程是否有意义，某性状作为自变量或依变量的确定等等，都必须由生物科学相应的专业知识来决定，并且还要用到生物科学实践中去检验。如果不以一定的生物科学依据为前提，把风马牛不相及的资料随意凑到一块作直线回归分析或相关分析，那将是根本性的错误。 2、其余变量尽量保持一致 由于自然界各种事物间的相互联系和相互制约，一个变量的变化通常会受到许多其它变量的影响，因此，在研究两个变量间关系时，要求其余变量应尽量保持在同一水平，否则，回归分析和相关分析可能会导致完全虚假的结果。例如研究人的身高和胸围之间的关系，如果体重固定，身高越高的人，胸围越小，但当体重在变化时，其结果也就会变化。 3、观测值要尽可能的多 在进行直线回归与相关分析时，两个变量成对观测值应尽可能多一些，这样可提高分析的精确性，一般至少有5对以上的观测值。同时变量x的取值范围要