简单线性回归分析2.pptVIP

例10-1 为研究大气污染物一氧化氮(NO)的浓度是否受到汽车流量的影响，选择24个工业水平相近城市的一个交通点，统计单位时间过往的汽车数(千辆)，同时在低空相同高度测定了该时间段空气中一氧化氮(NO)的浓度(×10-6)，数据如表10-1所示。 解析： 目的:在于通过探讨车流量与NO浓度的关系，为控制空气污染提供依据。 一个变量的变化(如空气中NO浓度)如何受到另外一个变量(如车流量)变化的制约。 这些问题在统计学中采用回归模型(regression model) 来进行分析。 简单线性回归分析 目的要求 掌握线性回归的基本概念、回归系数的含义及假设检验； 熟悉回归方程的最小二乘原则； 熟悉回归系数的计算方法和回归模型的前提假设； 熟悉总体回归线的95%置信带与个体预测值Y 的区间估计； 了解应用线性回归分析进行统计控制； 了解统计内容的报告与中英文表达。 简单线性回归分析 基本概念 简单线性回归模型 结果报告 案例辨析 常见疑问与小结 一、基本概念 回归分析与简单线性回归 解释变量与反应变量 解释变量与反应变量 解释变量(explanatory variable): 又称自变量（independent variable) ：能独立自由变化的变量，可以是随机变量，也可以是人为控制或选择的变量；一般用X 表示 反应变量(response variable): 又称为因变量（dependent variable)：非独立的、受其他变量影响的变量，一般用Y 表示。 二、简单线性回归模型 例10-1中，假如只考虑NO浓度与车流量的关系，以NO浓度为因变量，车流量为自变量，采用回归分析通常要达到以下三个目的： 统计描述 应用回归方程定量描述两个变量间的关系； 统计推断 通过假设检验推断NO平均浓度是否随着车流量变化而变化； 统计应用 利用模型进行统计预测或控制。 两变量关系的定量描述 散点图 简单线性回归方程 回归系数的计算——回归系数的最小二乘估计 线性回归分析的前提条件 1. 散点图 2. 简单线性回归方程 的意义：点到直线的纵向距离。 残差平方和 (residual sum of squares). 综合表示点距直线的距离。 最小二乘原则：残差平方和最小。 回归直线的有关性质 (1) 直线通过均点 (2) 各点到该回归线纵向距离平方和较到其它任何直线小。 4. 线性回归分析的前提条件(LINE) 线性 （linear) 独立 （independent) 正态 (normal) 等方差（equal variance)  线性（linear)指反应变量Y 的总体平均值与自变量X 呈线性关系。 独立（independent)指任意两个观察值互相独立。 正态 (normal)假定是指线性模型的误差项服从正态分布 。 等方差（equal variance)是指在自变量X 取值范围内，不论X 取什么值，Y 都具有相同的方差。 二、简单线性回归模型 两变量关系的定量描述 统计推断 回归模型的假设检验(model test) 回归系数的假设检验(parameter test) 总体回归系数的区间估计 回归效果的评价指标——决定系数 1. 检验回归模型是否成立(model test) ——方差分析 回归模型的假设检验 H0：总体回归方程不成立或总体中自变量X 对因变量Y 没有贡献； H1：总体回归方程成立或总体中自变量X 对因变量Y 有贡献； α＝0.05 2. 检验总体回归系数是否为零(parameter test) ——t 检验 总体回归系数β的假设检验 H0: β=0， H1:β≠0 α=0.05 对于简单线性回归分析 对回归方程的假设检验的方差分析与对回归系数假设检验的t 检验是等价的。 相关系数的假设检验与回归系数的假设检验是等价的。 3.总体回归系数β的区间估计 b越大，X 对Y 的影响就越大 4. 回归效果的评价指标——决定系数 定义为回归平方和与总平方和之比，记为R2， 无量纲，取值在0到1之间； Y 的总变异中回归关系所能解释的百分比； 拟合优度指标； 当两变量都为随机变量时，决定系数等于相关系数的平方。 二、简单线性回归模型 两变量关系的定量描述 统计推断 统计应用 统计预测 Y 的均值的区间估计：总体回归线的95%置信带（相应X 取值水平下，） ； 个体Y 预测值的区间估计。 统计控制 剩余标准差、条件标准误、条件标准差 1. 的可信区间估计 当车流量为1300辆时， 空气中一氧化氮95%置信区间为： 2. 个体的容许区间