001_回归分析.pptVIP

例：16名学生的高考数学（X）和统计学（Y）成绩如下表。某人高数80分，其统计成绩可能为多少？ 什么是回归分析 一元线性回归 1 什么是回归分析 “回归”(regression)一词最早由高尔顿在研究身高和遗传问题时提出的。 两种不同类型的变量关系： 1 什么是回归分析 由于变量不确定性的存在，因而不能用确定的数学表达式来表示变量之间的关系，这种不确定关系即相关关系。 这种不确定关系使变量的取值带有一定的随机性、偶然性，但在大量的偶然性中蕴含着必然性的规律，可用统计的方法在大量的实践和观察中找到这种规律。这种统计规律称为回归关系，在统计中有关这种回归关系的计算理论与方法被称为回归分析。 定义：研究变量与变量之间的关系，分析一 些变量对某个变量的影响，并进行预 测和控制的一种统计方法。 1.2 回归分析与相关分析的关系 联系： 求解、应用回归方程的前提是变量间存在相关关系； 如果两变量间无关联，则求得的回归方程无效，更不能由一个变量估计或预测另一个变量； 两个变量间相关程度越密切，则依一个变量预测另一个变量值时，结果越可靠。 1.2 回归分析与相关分析的关系 区别 相关分析研究的是变量间是否存在相互联系，及其相互关联的密切程度，可以用一个量数即相关系数来表示，此时，两个变量处于平等地位，存在相关关系并不一定存在因果关系； 回归分析是研究变量间的因果关系，通过建立的回归方程，可依据自变量的已知值去估计或预测因变量的取值。 1.2 回归分析与相关分析的关系 区别 相关分析研究两个变量的关系时，两个变量都是随机变量，每个变量的取值都是随机的； 回归分析研究两个变量的关系时，因变量是随机变量，而自变量可以是随机变量，也可以是非随机的确定性变量，可以由实验者选择。 1.2 回归分析与相关分析的关系 区别 相关系数是双向对称的，即X对Y的相关和Y对X的相关是一样的； 回归则不一样，把X作自变量、 Y作因变量和把Y作自变量和X 作因变量，回归方程是不一样的，即回归方程是不对称的。 1.2 回归分析与相关分析的关系 区别 1.1.2 回归分析的类别 类别 2 一元线性回归 建立回归方程； 检验回归方程； 预测 因素分析 2 一元线性回归 定义：一个自变量的线性回归。 回归直线：描述变量线性关系的直线。 （1）一元方程的通式 （3） 一元线性回归的两个方程 以X为自变量，Y为因变量的方程 2.2 b和a的求解原理和方法 理论：最小二乘法 2.2.2 公式及其推导 ① 某一点残值 试建立由高考数学预测心理统计成绩的回归方程。 试建立Y对X的回归方程。 2.2.3 b的各种计算方法 绘图观察分布趋势； 求回归系数与截距； 建立方程； 绘出回归直线； 3 方程的检验 目的：保证线性关系 检验 ?方程 ?方差分析法 ?相关系数法 ?回归系数 ?截距 回归效果评价 3.1 方程检验——方差分析 原理 检验方法与过程 因变量变异的原因及分解 2）回归平方和计算式推导 例8-1 ⑷ 列方差分析表 以例11-1为例，做X对Y方程的检验 二、回归系数的检验 Ho：β=0 残值法 相关法 1、残值法 条件： 2）标准误公式 同理 又∵ 例11-1 ①建立假设 2、相关法 2、150名6岁男童体重（X）与屈臂悬体（Y）的相关系数为-0.35，平均体重20公斤，标准差2.25公斤；屈臂悬体平均时间42.7秒，标准差8.2秒。试估计屈臂悬体为40秒的男童，体重为多少公斤？ 三、回归效果评价——测定系数 定义：回归平方和与总平方和的比值。 测定系数计算 第四节 预测 含义 标准误 置信区间 一、预测的含义 定义：自变量→因变量的估计值及其范 围的统计方法。 二、预测的标准误 1、原理 若观测值来自正态总体，则与每个X对应的若干Y值在 （二）相关式 使用前提： SE与r关系 三、预测的置信区间 方程一： 1、从数概括类比推理研究中随机抽取6名儿童的成绩如下。试问推理（Y）8分的学生，数学（X）成绩如何？ ⑴ 建立方程 2、150名6岁男童体重（X）与屈臂悬体（Y）的相关系数为-0.35，平均体重20公斤，标准差2.25公斤；屈臂悬体平均时间42.7秒，标准差8.2秒。试估计屈臂悬体为40秒的男童，体重为多少公斤？ （三）标准误的求解 都呈正态分布 且方差齐性 与所有自变量相应的因变量的残值 —— 1）前提条件 预测 标准误 标准误：残值的估计误差及自变量离差 平方和的比值 ∴ 回归 1588.61