第7章 相关与线性回归分析-正式课件PPT.pptx

第7章 相关与线性回归分析 一元线性相关和回归分析第1节 相关与线性回归分析 简介相关与回归分析在科学研究和生产实践中，经常要进行两类变量间关系的分析，例如仔畜的初生重与断奶重、饲料的营养浓度与畜禽增重速度的关系。用于相关和线性回归分析的SAS过程主要有三个：CORR过程仅用于相关分析，REG和GLM过程主要进行回归分折，REG过程在进行回归分析的同时，还可通过相应的选项计算出变量间的相关系数。第2节 相关分析 一、相关分析的概念（correlation analysis）研究变量间的相关性质及其密切程度。变量间的关系是平行的或相互制约、不分主次的。例如个体某一阶段的体高与体重的关系等。第2节 相关分析在两个变量中，当一个变量的数值增大或减少时，另一个变量也会相应地随之增大或减少，且这种增大或减少在一定范围内呈现一定的比例，则表示两个变量间存在着线性相关的关系。两个线性相关变量之间的相关性质和密切程度，通常用相关系数r（correlation coefficient）的正负及其大小来衡量。若：-1≤ r0负相关 r=0零相关（不相关） 0 r≤ 1正相关∴ 线性相关分析的主要工作就是计算出变量间的相关系数并对其显著性进行检验。 第2节 相关分析二、用于相关分析的SAS过程—CORR过程1、 CORR过程的调用格式 PROC CORR 选项； VAR 变量名表； WITH 变量名表； PARTIAL 变量名表；当进行普通相关分析时，只有PROC CORR语句是必须的，当进行偏相关分析时，PARTIAL语句也是必须的。其他语句都是可选择性的。第2节 相关分析（2）VAR语句用于指明所要分析的变量，如果缺省，则系统默认对其他语句中没有提及的所有数值型变量进行分析。（3）WITH语句用于设定放在左边的变量，与VAR语句配合使用，此时VAR语句的变量间和WITH语句的变量间相关系数不给出，只输出VAR变量和WITH变量间的相关系数。如果该语句缺省，系统会计算VAR语句中的所有变量之间的两两相关系数。 3、结果输出CORR过程在执行后，其输出的结果包括简单统计量、相关系数及显著性检验。 第2节 相关分析 4、实例应用分析【例7.1】某地方病研究所调查了8名正常儿童的尿肌酐含量（mmol/24h）如表7-1，试分析尿肌酐含量与年龄之间的相关关系。编龄131195810127尿肌酐含量3.543.013.092.482.563.363.182.65本例年龄与尿肌酐含量假定为双变量正态分布，可通过计算线性相关系数表示该两变量间的相关关系。第2节 相关分析程序7-1DATA EX7_1;INPUT X Y @@;CARDS;13 3.54 11 3.01 9 3.09 6 2.48 8 2.56 10 3.36 12 3.18 7 2.65;PROC CORR;VAR X Y;RUN本例r=0.88177, p=0.0038，p0.05,说明两变量间存在正相关关系。第3节 回归分析一、回归分析概念（regression analysis）回归分析是通过建立回归方程来揭示变量间的回归关系，并据此从自变量的变化去估测因变量的变化。回归分析中变量有自变量和因变量之分，一般将独立变化的变量叫做自变量（independent variable），依赖自变量变化的变量称为因变量或依变量（dependent variable）。如家畜的生长速度受营养和饲养管理水平等因素的影响。二、回归分析种类（根据所涉及自变量数目的多少）一元回归或直线回归（linear regression）：只研究两个变量间。多元回归（multiple regression）：涉及到多个自变量的回归。第3节 回归分析三、回归分析涉及以下几方面内容：1、估计。估计与方程有关的未知参数，并检验对于这些参数所做的统计假设，建立相应的回归模型2、预报。用所得的回归方程对自变量的一组值估计因变量的值（点/区间估计）3、自变量选择。从可能对因变量Y有影响的一组自变量中，挑选出对Y有影响的变量，剔除影响不大的变量，或按某一标准，建立最优的回归方程4、模型诊断。检查数据、回归方程、统计推断方法中可能存在的问题，建立较合理的、稳健的模型.第3节 回归分析四、建立回归方程的应用：1、描述。描述某种现象与其影响因素的数量依存关系。例如，某疾病发病率与气温、湿度的关系。2、预测。把预报因子（自变量）代入回归方程对预报量（因变量）及其波动范围进行估计。3、控制。回归方程逆运算，即要求因变量在一定范围内波动，可以通过调控自变量的取值来实现。五、线性回归分析的SAS过程可采用REG和GLM两个过程来完成。REG过程进行一元或多元回归以及可线性化的非线性回归分析，通过适当的选项还可计算出变量间的简单