9-直线相关与回归PPT.ppt

直线相关与回归;意义;相关与回归的概念;直线相关分析;数据表达格式 ;散点图 ;相关分析的基本思想 ;相关系数的计算;相关系数的计算;相关系数的显著性检验;t检验法;总体相关系数的可信区间估计 ;可信区间估计;秩相关;适用条件:;一、Spearman秩相关;例11-4 某地研究2~7岁急性白血病患儿的血小板数与出血症状程度之间的相关性,结果见表11-2,试用秩相关进行分析;表11-2 急性白血病患儿的血小板(109/L)和出血症状;利用表11-2中的数据容易算得 秩相关系数为负，说明两变量间有负相关关系，同样由样本算得的秩相关系数是否有统计学意义，也应做检验;秩相关系数的统计推断;例11-5 对例1-4的秩相关系数作假设检验;应用相关系数时应注意的问题 ;简单线性回归分析;直线回归的统计模型 ;线性回归模型的含义 ;回归分析中总变异的分解;最小二乘法least square method;a和b 的样本估计算法 ;实例;回归模型的方差分析;回归变异计算方法 ;残差变异计算方法 ;总变异与回归变异和残差变异的关系 ;回归模型的方差分析 ;a和b的显著性检验 ;确定系数与回归模型的效应评价;决定系数的计算 ;(二) 的区间估计; 个体 Y值的预测区间;回归方程的应用; 直线回归与相关应用的注意事项; ; 相关关系不一定是因果关系，可能仅是表面上的伴随关系，或两个变量同时受另一因素的影响，如小孩的身高和小树的树高同时受时间的影响，在校儿童的鞋的大小和阅读技能同时受年龄的影响。 不能只根据相关系数r的绝对值的大小来推断两事物现象之间有无相关以及相关的密切程度，而必须对r进行相关系数的假设检验。另外，不要把相关系数的显著性误解为两事物或现象相关的强度，例如对于相关系数的假设检验来说，P0.01比P0.05更有理由认为相关关系成立，但并不能得出前者比后者相关关系更密切的结论，相关关系的强度是用r的绝对值来反映的。 ;2．进行相关、回归分析前应绘制散点图—第一步;3．资料的要求 ; 反应两变量关系密切程度或数量上影响大小的统计量应该是回归系数或相关系数的绝对值，而不是假设检验的P值。 P值越小只能说越有理由认为变量间的直线???系存在，而不能说关系越密切或越“显著”。另外，直线回归用于预测时，其适用范围一般不应超出样本中自变量的取值范围。 ;小结