数理统计谁ch7_回归分析7.1.ppt

山西农业大学 王玉顺：数理统计07_回归分析 (5)回归最小二乘估计的性质 7.2.1 回归最小二乘估计 20.68 96.2034 2.07 3.10 4.14 5.17 6.20 x 1421 473049 数据和 数据平方和 数据乘积和 Total xy=6734.62 128 194 273 372 454 y 7.2.1 回归最小二乘估计 (6)回归最小二乘估计案例 数据的表格算法 7.2.1 回归最小二乘估计 平方和计算 (6)回归最小二乘估计案例 回归方程： 7.2.1 回归最小二乘估计 参数估计 (6)回归最小二乘估计案例 7.2.1 回归最小二乘估计 (6)回归最小二乘估计案例 求回归方程几何上就是求一条能较好解释数据的最佳直线。 7.2.2 回归显著性检验 Significance Testing on Linear Regression 7.2 一元线性回归 7.2.2 回归显著性检验 (1)线性相关存在性 线性相关存在 但相关程度不同 (1)线性相关存在性 7.2.2 回归显著性检验 0R1 R=0 R=0 R=0 变量非线性相关 无论y与x间是什么关系，形式上最小二乘法总能估计出一个线性回归方程，在不明了是否线性相关情况下应用回归方程是无意义的； 有必要确认y与x间是否存在线性相关以及试验点到回归直线的总距离的大小，愈小表示线性相关愈强，将y与x的关系描述为线性关系愈合理。这两个问题可通过检验y与x之间的线性相关假设和计算y与x的决定系数来解决。 7.2.2 回归显著性检验 (2)显著性检验必要性 检验线性相关 计算决定系数 线性回归模型： (3)模型和假设 7.2.2 回归显著性检验 线性回归模型线性相关假设 线性相关假设： 同分布要求 独立性要求 模型要求εi服从均值为0的正态分布 (3)模型和假设 7.2.2 回归显著性检验 线性回归模型线性相关假设 由线性回归模型可推论： 求SP方差并利用正态变量线性组合不变性 (4)参数估计量的分布 7.2.2 回归显著性检验 将SP表为y的函数： 将a的估计表为y的函数 7.2.2 回归显著性检验 (4)参数估计量的分布 7.2.2 回归显著性检验 求a估计量的方差并利用正态变量线性组合不变性 (4)参数估计量的分布 (5)平方和分解 7.2.2 回归显著性检验 SST表征响应的总变异 总离差平方和SST的分解 SST分解为SSE和SSR两部分 SST称作y的总离差平方和，是n个数据离差平方的总和，表征响应y所有观测的总变异。 7.2.2 回归显著性检验 SST的算法 (6)校正总平方和SST及分布 Corrected Total Sum of Squares 7.2.2 回归显著性检验 (6)校正总平方和SST及分布 SST的分布 SSR称作y的回归平方和，是响应y的n个估计值与样本均值差值平方的总和，是总离差平方和中由自变量x决定的部分，代表x的效应 7.2.2 回归显著性检验 (7)回归平方和SSR及分布 Model Sum of Squares SSR的算法 7.2.2 回归显著性检验 (7)回归平方和SSR及分布 SSR的分布 SSE称作y的误差平方和，是y的n个观测值与其估计值差值平方的总和，是y的总离差平方和中由随机误差决定的部分，代表除x之外其余未知因素对响应变量y的效应。因它恰好等于扣除x线性影响后总离差平方和的剩余部分，故也称残差平方和，或剩余平方和。 7.2.2 回归显著性检验 (8)误差平方和SSE及分布 Error Sum of Squares 7.2.2 回归显著性检验 残差平方和 (8)误差平方和SSE及分布 SSE的算法 * * 第七章 回归分析 regression analysis 本章内容 7.1 变量间的关系7.2 一元线性回归7.3 多元线性回归7.4 回归注意事项 7 回归分析 重点：一元线性回归和决定系数 7.1 变量间的关系 Correlation between Variables 7 回归分析 7.1 变量间的关系 (1)函数关系 7.1 变量间的关系 (2)随机关系 (3)相关关系 7.1 变量间的关系 (4)回归分析解决的问题 考察响应变量与自变量之间的关系，存在如下三种类型： (1)确定性关系：响应=自变量的函数 (2)不确定关系：响应=独立随机变量 (3)相关关系：响应=函数+独立随机变量 回归分析就是对相关关系中的函数部分进行估计和检验 7.1 变量间的关系 生物学家F·Galton和统计学家K·Pearson的种族身高研究(1889)。 高个父亲群体的平均身高 高个父亲群体儿子们的平均身高 整个种族的平均身高 低个父亲群体儿子们的平均