9.回归分析PPT.ppt

1. 总平方和分解 总偏差平方和 它表示没有X的影响， 单纯考察数据中Y的变动情况。 1.总平方和分解 回归平方和 表示各 的变动程度，该变动是由于回归直线 中各Xi 的变动所引起的，并且通过X对Y 的线性影响表现出来。 练习2： 根据Pizza连锁店的学生人数和季度销售收入数据，建立回归直线方程，并预测学生人数为25人时的销售收入。 连锁店 学生人数x 销售收入y xy 1 2 3 4 5 6 7 8 9 10 2 6 8 8 12 16 20 20 22 26 58 105 88 118 117 137 157 169 149 202 116 630 704 944 1404 2192 3140 3380 3278 5252 4 36 64 64 144 256 400 400 484 676 合计 140 1300 21040 2528 练习3：以下是采集到的有关女子游泳运动员的身高（英寸）和体重（磅）的数据:a、用身高作自变量，画出散点图b、根据散点图表明两变量之间存在什么关系？c、试着画一条穿过这些数据的直线，来近似身高和体重之间的关系d、求出估计的回归方程e、如果一名运动员的身高是63英寸，你估计她的体重是多少？ 身高 68 64 62 65 66 体重 132 108 102 115 128 研究腐蚀时间与腐蚀深度两个量之间的关系，可把腐蚀时间作为自变量x，把腐蚀深度作为因变量y，将试验数据记录在表7-1中，求出x，y之间的线性关系。 练习4 表9-1 试验数据 表9-2 1 b0 1 得到回归直线方程： 9.2.6可线性化的一元回归问题 常见的非线性函数及其转化为线性函数的方法： 1、双曲线 令 2、幂函数曲线 令 3、数函数曲线 令 4、负指数函数曲线 令 5、对数曲线 令 9.3 一元线性回归方程的检验 从上述回归方法可以看出，一组在散点图上杂乱无章的观测值，也能利用最小二乘法给它们配一个方程，但显然该方程将是毫无意义的，只有在观测点的分布接近于一条直线时才能进行回归计算然而究竟在什么情况下所配回归方程才有意义，或者说，两个变量才服从线性关系呢？ 9.3一元线性回归方程的检验 显著性检验，它是利用统计学中的抽样理论来检验样本回归方程的可靠性，具体又可分为 相关系数检验法 F检验法 9.3.1.相关系数检验法 相关系数 注:r与b1的分母均为正，分子相同,故r与b1有相同的符号。 图9-4不同相关系数散点意义图 相关系数具有如下性质： 1）r＞0称为正相关，r＜0称为负相关。 2）当r=±1时，此时所有观察点全部在同一条直线上； 3）当r=0时，称y与x统计不相关，这有两种情况：一种是y与x间的确不存在任何统计规律性；另一种情况是y与x的变化大致上有二次曲线关系，但他们的相关系数为零。 4）具有相关关系的两个变量之间最一般的情况是0＜︱r︱＜1，当︱r︱较大时，表明变量之间线性关系密切，诸观察点比较靠近回归直线；反之表示变量之间线性关系不密切，在散点图上，诸观察点离回归直线比较疏远。 说明 相关系数越接近于1，x与y的线性相关程度越高，然而r的大小未能回答其值达到多少时， x与y存在线性相关，所以必须对相关系数r进行显著性检验。 9.3.1相关系数检验法 步 骤： 1）计算样本相关系数r 2）查相关系数临界值表 得临界值 9.3.1相关系数检验法 3）比较 若 ，线性相关不显著； 若 ，存在密切线性相关。 此处f=n－2, n是对变量x与y成对观察的次数，2为变量数目。 例9-2 用邻二氮菲分光光度法测铁，首先配制标准系列，测标准曲线，得下列结果如表9-3 所示，用相关系数法对回归方程进行检验。 解：首先对数据进行转化，令 x=105c, y=10A 求得 说明浓度和吸光度二者之间存在密切线性关系 缺点： 相关系数接近于1的程度与试验组数n有关。 当n较小时， 容易接近于1； 当n较大时， 容易偏小。 当n=2时，因两点确定一条直线， 总等于1。 所以，只有当试验次数n较多时，才能得出真正有实际意义的回归直线。 9.3.2 F检验法 在回归函数E(Y)=β0+β1X中，如果β1=0，则对于