第七章 回归分析及回归方程的建立PPT.ppt

一、有趣的发现; 由此方程可以看到 ：夫妇平均身高增加或减少一个单位，儿子的身高只增加或减少 0.516个单位。也就是说，子代的身高就不像父辈身高那样分化 ，而是逐渐向平均身高回归 。Galton引进“回归”（regression)一词来表达这种变化关系。不过后来人们研究其它变量间的关系时，并没有发现如上所述的回归现象，但仍沿用 “回归” 的概念以纪念统计学家F.Galton。; 当前我们讨论的“回归”，不再具有其最初的含义，而是指在依据大样本数据作出的变量间关系的散点图中，可以找到一条特定的直线或曲线，使得被预测的变量从各点距离该直线或曲线的变异总体上最小，这样就可以把这条直线或曲线叫做其它测量变量与被预测变量之间关系的回归线，它能够最理想的反映变量间的预测关系。 (用容易测量的变量,预测不易测量的变量;用当前的变量,预测将来的变量) 在实际分析中，可以根据测量变量的个数、变量的类型以及变量间的相关关系，将回归分析划分为：一元线性回归分析、多元线性回归分析、非线性回归分析、曲线估计、时间序列曲线估计、含虚拟自变量的回归分析和逻辑回归分析等类型。我们这里只介绍两种最简单的回归分析，即：一元线性回归分析、多元线性回归分析。;二、一元线性回归分析; 从上图看出，变量 y 的变异量可以分解为两部分 ，一部分是可用回归线解释的部分、一部分是不能用回归线解释的部分，而且相对来说，不被回归线解释的部分越小，散点越是靠近回归线，回归线越是能够反映x和y的线性关系，我们就说这个回归线越显著。;4.进行拟合优度检验。就是检验样本数据聚集在样本回归线周围的密集程度，从而判断回归方程对样本数据的代表程度。检验的方法是使用判定系数R2，R2等于回归线解释的y的离差平方和除以y的总离差平方和，取值范围在0?R2?1。当其等于0时，x与y 没有任何关系；当其为1 时，回归线是完全拟合的，即所有散点均落在回归线上；其越接近于1，回归线拟合得越好；;5.回归方程的显著性检验。回归方程显著性检验是对因变量与自变量之间线性关系是否显著的一种检验。检验方法采用方差分析 ：F值等于平???的回归平方和与平均的残差平方和之比，对于一元线性回归方程来说： ;6.对回归系数的显著性检验（t 检验）。回归方程显著性检验是从总体上显示回归系数显著，如果是多元线性回归，还需分别检验各回归系数的显著性；如果是一元回归，就可以使用回归方程检验代替回归系数检验，因为在这种情况下，二者有一一对应的关系： F＝t2 ;一元线性回归分析的SPSS过程;一元线性回归方程建立练习;三、多元线性回归分析; 2. 在变量进入的方式上可以根据具体情况具体选择，常用的有Enter、Backward等两种形式。 3. 在回归方程的显著性检验中，F其实是反映了y的预测值与实际值的相关关系，F也可以反映回归方程的拟合度。 4. 回归系数显著性检验中，如果发现某些变量的回归系数比较小，其显著性远未达到显著性水平，说明其对因变量影响不大，可以剔出。;多元线性回归分析的实例练习;练习题;2. 某研究者欲建立一个线性回归方程，帮助命题者估计试题难度。他设想试题难度受到试题的能力层次、内容深度和试题类型三个因素的影响，因此把每个因素都按对难度影响强度大小分为五个层次并加以界定，然后对20道抽样试题分因素评分并且又计算了这20道试题的实际难度值（以标准分数表示），数据如下表所示。请你帮助他建立一个估计试题难度的三元线性回归方程。;