线性相关系数r的公式.pptVIP

例題10-14 例題10-14　(解答) 例題10-14　(解答) 例題10-14　(解答) 觀念應用10-3　解讀簡單線性迴歸 使用以下的電腦報表回答問題。 Linear correlation coefficient r = 0.794556 Coefficient of determination = 0.631319 Standard error of estimate = 12.9668 Explained variation = 5182.41 Unexplained variation = 3026.49 Total variation = 8208.90 Equation of regression line y = 0.725983X+ 16.5523 Level of significance = 0.1 Test statistic = 0.794556 Critical value = 0.378419 1. 這兩個變數朝同一個方向改變嗎？ 2. 哪一個數字測量預測線和真實數值之間的距離？ 3. 哪一個數字是迴歸線的斜率？ 4. 哪一個數字是迴歸線的 y 截距？ 5. 可以在表格求出哪一個臨界值？ 6. 哪一個數字是犯型 I 錯誤的允許風險？ 7. 哪一個數字測量迴歸可解釋的變異？ 8. 哪一個數字測量數據點在迴歸線四周的散佈程度？ 9. 虛無假設為何？ 10. 為了知道是否應該拒絕虛無假設，會和臨界值比較哪一個數字？ 11. 虛無假設應該被拒絕嗎？ 觀念應用10-3　解讀簡單線性迴歸 結語 真實世界的變數間有太多關係了。決定是不是有某種線性關係的方法是使用已知的統計技術：相關與迴歸。一般是使用相關係數測量線性關係的強度與方向。它的值介於 ?1 和 +1 之間。相關係數的值愈接近 ?1 或是 +1，變數間的線性關係強度愈強。如果是 ?1 或是 +1，表示一種完美的線性關係。兩變數的正關係表示小的獨立變數會跟著小的依變數、大的獨立變數會跟著大的依變數。兩變數的負關係表示小的獨立變數會跟著大的依變數、大的獨立變數會跟著小的依變數。(10-1) 記住兩變數間的顯著關係不必然代表一個變數直接引起另一個變數。對某些例子而言，這是真的，但是也應該考慮其他可能性，例如包含其他變數（或許未知） 的複雜關係；和兩個變數交互作用的第三個變數，或是純粹只是機會巧合。(10-1) 結語 關係可能是線性的也可能是曲線的。為了決定形狀，可以繪製變數間的散佈圖。如果關係是線性的，可以用一條直線近似數據。這一條直線叫做迴歸線或是最適線。相關係數 r 愈接近 ?1 或是+1，數據和迴歸線愈靠近。(10-2) 殘差圖可以用來決定迴歸線是否適合用來預測。(10-3) 以決定係數指示線性關係強度會比相關係數來得好用。因為它指出依變數的變異有多少百分比直接是因為獨立變數的變異。透過相關係數取平方並且換成百分比而求出決定係數。(10-3) 另一個相關與迴歸會使用的統計量是估計的標準誤，它是 y 值關於 y 值的標準誤。估計的標準誤可以用來建構某個特定 x 值的預測區間。(10-3) 10-2　迴歸 最適線 最適線 最適線 迴歸線y = a + bx 的公式 其中 α 是 y 截距，而 b 是迴歸線的斜率。 求出相關係數與迴歸線方程式 步驟 1 製作表格，如步驟 2 所示。 步驟 2 求出 xy、x2 和 y2。將這些值放在適當的行內並且加總每一行。 步驟 3 當 r 是顯著的，代入公式為迴歸方程式 y= a + bx 求出 a 和 b 的數值。 例題 10-9　租車公司 例題 10-9　租車公司(解答) 例題 10-9　租車公司 (解答) 例題 10-9　租車公司 (解答) 例題 10-10　缺席次數與期末成績 例題 10-10　缺席次數與期末成績(解答) 例題 10-10　缺席次數與期末成績(解答) 正確迴歸預測的假設 1. 樣本是隨機樣本。 2. 針對獨立變數 x 的任意特定值，依變數 y 的值必須是依著迴歸線呈現常態分配的。詳見圖 10-16(a)。 3. 針對獨立變數 x 的任意特定值，每一個依變數的標準差必須一致。詳見圖10-16(b)。 圖10-16　預測的假設 例題 10-11　租車公司 例題 10-11　租車公司(解答) 觀念應用10-2　再次探討煞車距離 　　在一項速度與煞車距離的研究，研究員透過測量煞車痕跡尋求一種方法估計車禍前人們的車速。這一項研究的一種領域是在各種速度下需要多少距離才能讓車子完全停下來。使用以下的表格回答問題。 　　假設 MPH 是被用來預測煞車距離。 觀念應用10-2　再次探討煞車距離 1. 求出迴歸線方程式。 2. 由迴歸線斜率可知道哪些關於 MPH 和煞車距