DPS数据处理系统V1_C06相关及回归分析.pdf

6 第 5 章介绍的一般线性模型，实质上是用回归分析方法解决方差分析问题。回归分 析是处理实验数据，一般用于定量数据实验结果的建模，它是在实际生产实践和科学实 验中应用较为常见的统计方法。 6.1 回归和相关概念 两个或两个以上变数之间的关系,可以是函数关系，或者是统计关系。 函数关系是一种确定性关系，即一个变数的任一变量必与另一变数的一个确定的 2 数值相对应。例几何里面圆面积与半径关系，S R 。这种关系不含误差，常见于物 理学、化学等理论科学。 统计关系是一种非确定性的关系，即一个变数的取值受到另一变数的影响，两者 之间既有关系，但又不存在完全确定的函数关系。统计关系与函数关系的根本区别， 在于前者研究的是具有抽样误差的数据。例如，作物产量与施肥量关系，适宜的施肥 量下产量较高，施肥量不足则产量较低。但这种关系并不是完全确定的，即使施肥量 完全相同，两块同样面积土地上的产量也不会相等。 具有统计关系的两个变数，其关系又可分为因果关系和相关关系。因果关系是两 个变数间的关系是原因(自变量，independent variable ，多用X 表示)和反应结果(依变 量，dependent variable ，多用 Y 表示)的性质。如施肥量和产量的关系中，施肥量是 产量变化的原因(自变量)；产量是对施肥量的反应(依变量)。 如两个变数关系并不是原因和结果的性质，而是一种共同变化特点，则这两个变 数间的关系为相关关系，因此相关关系中并没有自变数和依变数之分。在这种情况下， X 和 Y 可分别用于表示任一变数。 回归关系可以通过回归分析、根据实验数据得到一个表示 Y 随X 的改变而改变的 ˆ ˆ 回归方程y f (x )，式中y 是给定x 时由该方程估计出的理论y 。 相关关系是应用相关分析方法计算表示 Y 和X 相关密切程度的统计数，即相关系数 (correlation coefficient)，并测验其显著性。这一统计数记为 r 。 6.2 两变量的相关分析 6.2.1 Pearson X 和 Y  r 。相关系数的大小、正负表示了不同 6.2 两变量的相关分析 131 相关关系（图12.1）。样本相关系数r 的计算，先分别计算(x x )(y y ) 、(x x )2 和 2 (y y ) ，然后 (x x )(y y ) r (x x )2  (y y )2   相关系数 r 的取值区间是[-1，1]。相关程度决定于|r |，|r |越接近于 1，相关越密 切；越接近于0，越可能无相关。检验样本相关系数 r 是否来自总体相关系数 ＝0的假 设为H ： 0对 H :  ≠0。在 0 的总体中抽样，r 的分布随样本容量n 的不同而不 0 A 同。 2 r 的抽样误差为s 1r / n 2 。当 0 时，t r s 。此 t 值遵循 n 2 r     r 的t 分布，由此可测验 H :  0 。 0 6.2.2 对于等级或相对数资料，或不服从正态分布资料，或总体分布类型不详资料，不