第08章 线性相关与回归PPT.ppt

生物统计学;; ; 儿子身高（Y，英寸）与父亲身高（X，英寸）存在线性关系： 即高个子父代的子代在成年之后的身高平均来说不是更高，而是稍矮于其父代水平，而矮个子父代的子代的平均身高不是更矮，而是稍高于其父代水平。Galton将这种趋向于种族稳定的现象称之“回归”。 ;Regression 释义;Karl Pearson;本章内容;第一节 线性相关;例：考察身高与体重的伴随关系; 线性相关的概念;线性相关的类型; ★ 正相关 ★负相关 ★称零相关 ★ 完全正相关 ★完全负相关;线性相关系数;相关系数的特点：;相关系数的计算公式;实例分析;;分析步骤;身高（cm);计算结果;上例中的相关系数 r 等于0.8009，说明了11例样本中男青年的身高与前臂长之间存在相关关系。但是，这11例只是总体中的一个样本，由此得到的相关系数会存在抽样误差。 因为，总体相关系数（?）为零时，由于抽样误差，从总体抽出的11例，其 r 可能不等于零。 这就要对 r 进行假设检验，判断r不等于零是由于抽样误差所致，还是两个变量之间确实存在相关关系。 ;;资料相关系数的假设检验步骤;二、选择并计算检验统计量;三、计算P值，做出统计推断; 1. 作散点图： 分析要两变量之间有无相关关系可先作散点图，在图上看它们有无关系、关系的密切程度、是正相关还是负相关，然后再计算相关系数和作假设检验； 2. 正态性：相关系数的计算要求两个变量必须服从正态分布，如果资料不服从正态分布，应先通过变量变换，使得两个变量正态化，再根据变换值计算相关系数； ;3. 作假设检验： 依据公式计算出的相关系数仅是样本相关系，它是总体相关系数的一个估计值，与总体相关系数之间存在着抽样误差，要判断两个事物之间有无相关关系及相关的密切程度，必须作假设检验。 当检验拒绝了无效假设时，才可以认为两个事物之间存在着相关关系，然后再根据计算出的相关系数大小来判断根相关关系的密切程度； 4. 相关关系：相关关系不一定是因果关系，也可能是伴随关系，并不能证明事物间有内在联系，例如，有人发现，对于在校儿童，鞋的大小与???读技能有很强的相关关系。然而，学会新词并不能使脚变大，而是涉及到第三个因素?? 年龄。当儿童长大一些，他们的阅读能力会提高而且由于长大也穿不下原来的鞋。 ; 5. 在确实存在相关关系的前提下（？？），如果 r 的绝对值越大，说明两个变量之间的关联程度越强，那么，已知一个变量对预测另一个变量越有帮助；如果r 绝对值越小，则说明两个变量之间的关系越弱，一个变量的信息对猜测另一个变量的值无多大帮助。 6. 一般说来，当样本量较大，并对 r 进行假设检验，有统计学意义时，r 的绝对值大于0.7，则表示两个变量高度相关；r的绝对值大于0.4，小于等于0.7时，则表示两个变量之间中度相关；r 的绝对值大于0.2，小于等于0.4时，则两个变量低度相关。 ; ;直线回归方程(总体)是描述什么？ 直线回归分析对资料有什么要求？ 直线回归分析的具体基本步骤是什么？ 在直线回归中，Y 是否一定为随机变量？ 在直线回归中，X 是否一定为随机变量？ 在直线回归中，预测值 的意义是什么？ 在直线回归中，回归系数b的意义是什么？; 知道了两个变量之间有线性相关关系，并且一个变量的变化会引起另一个变量的变化，这时，如果它们之间存在准确、严格的关系，它们的变化可用函数方程来表示，叫它们是函数关系，它们之间的关系式叫函数方程。 实际上，由于其它因素的干扰，许多双变量之间的关系并不是严格的函数关系，不能用函数方程反映，为了区别于两变量间的函数方程，我们称这种关系式为线性回归方程，这种关系为线性回归。; 直线回归就是用来描述一个变量如何依赖于另一个变量。 其任务就是要找出一个变量随另一个变量变化的直线方程，我们把这个直线方程叫做直线回归方程。 ; 直线回归是分析成对观测数据中两变量间线性 依存关系的方法。;直线回归的概念;直线回归模型; 2、变 量;3、直线回归方程的一般形式为：;回归分析;线性回归方程建立的思路;回归方程原理图;回归直线的有关性质;直线回归分析的步骤 ; 例 有人研究了温度对蛙的心率的影响，得到了表中 所示的资料，试进行回归分析。;图 回归直线、回归系数、残差示意图;2. 计算回归系数与常数项 ;a) 直线回归方程的建立; b) 回归直线的描绘 ;图回归直线、回归系数、残差示意图;;与直线相关一样，直线回归方程也是从样