第10章 一元回归及相关分析.ppt

第10章一元回归及相关分析 §10.1相关与回归的基本概念 两个变量或多个变量之间关系 1．函数关系 2．回归关系 ①子代的身高与其父母身高的关系 ②人的身高与体重的关系 ③作物的产量与施用量、播种量的关系 ④温度的高低与动植物的发育速度 ⑤玉米的穗长和穗重的关系 【举例】身高与体重的关系 回归关系 (regression) 如果对于变量X的每一个可能的值 ，都有随机变量Y的一个分布相对应，则称随机变量Y对变量X存在回归关系。 X称为自变量(independent variable) Y称为因变量(dependent variable) 相关关系（correlation） 设两个随机变量X和Y，对于任一随机变量的每个可能值，另一个随机变量都有一个确定的分布与之相对应，则称这两个变量存在相关关系 §10.2一元线性回归方程 【举例】身高与体重的关系 二、一元正态线性回归模型 三、参数α、β的估计 1．回归方程 Y对X的回归方程(regression equation)。 回归线(regression line) 回归系数(regression coefficient) 二、参数α、β的估计 二、参数α、β的估计 2. 最小二乘法与正规方程 通过实际调查，得到n对数据 对于每一个xi可以得到一个yi估计值， 如何确定a，b，使的L达到最小 二、参数α、β的估计 2. 最小二乘法与正规方程 二、参数α、β的估计 2. 最小二乘法与正规方程 二、参数α、β的估计 3、参数α、β的估计 由（1）得 二、参数α、β的估计 (2)-(3)得 二、参数α、β的估计 3、参数α、β的估计 由（1）得 二、参数α、β的估计 四、回归方程的计算 1．求X的平方和SXX 2．求Y的平方和SYY 四、回归方程的计算 3．求XY的乘积和SXY 4．b，a的计算 5. 回归方程 §10.3一元线性回归的检验 一、一元回归的方差分析 1．总平方和的分解 求证： 【证】 回归平方和SSR，误差平方和 SSe的计算 一、一元回归的方差分析 2. F-检验 dfe=n-2 一、一元回归的方差分析 2. F-检验 检验回归方差是否大于试验误差 二、b的数学期望、方差及显著性检验 二、b的数学期望、方差及显著性检验 二、b的数学期望、方差及显著性检验 二、b的数学期望、方差及显著性检验 三、a的数学期望、方差及显著性检验 四、两个回归方程的比较 1．检验MSe1和MSe2 有无显著差异(方差齐性检验) 四、两个回归方程的比较 2．检验回归系数b1和b2 有无显著差异 四、两个回归方程的比较 2．检验截距a1和a2 有无显著差异 §10.4 一元非线性回归 【举例】 ①细菌的生长的数量与时间的关系 ②年龄和身高的关系 ③作物种植密度与产量的关系 ④辐射强度或药物与致死率 一、曲线回归的一般方法 将曲线化为直线 1．已知两个变量的函数关系，将曲线化为直线 (1)对数关系（对X做对数变换） 如施肥量与作物产量的关系（在一定的范围内） 令 则 即X的对数与Y呈直线关系，利用直线回归方法确定a，b 计算（对X做对数变换） 1．已知两个变量的函数关系，将曲线化为直线 (2)指数函数关系 细菌生长的数量(Y)在一定时间内与时间(X)的关系 计算（对Y做对数变换） 1．已知两个变量的函数关系，将曲线化为直线 (3)幂函数关系 不同剂量的射线，照射植物和种子，苗期高度(X)与成活株(Y)之间的关系 计算（对X和Y做对数变换） 2．函数关系未知时，多次尝试，将曲线化为直线 二、曲线拟合状况的检验 理论上的曲线回归关系未知，寻找较为理想的曲线关系来拟合曲线关系，称为曲线拟合 1．通过比较剩余均方来判断曲线拟合的好坏 剩余均方愈小，拟合得愈好 要用实际观察值与回归估计值差的平方和计算 不能用直线回归的剩余平方和计算 二、曲线拟合状况的检验 2．利用相关指数判断（correlation index） 三、概率对数变换 (probability-logarithmic transformation） 在辐射遗传、药理学、病理学实验中，经常遇到寻找半致死剂量（浓度）问题 通过不同的剂量，测得死亡率。利用其S型曲线的关系，反过来求死亡率为50%时的剂量。 1.将对称的S型曲线化为直线的方法—概率变换 剂量与u有着一一对应的直线关系 y = g(x) =y’ = f(x’) = f(Ax+C) x’ = Ax+C 对死亡率做概率变换，可将S型曲线化为直线 2．将不对称S型曲线变为对称S曲线的方法—对数