8生物统计学第章教学精品.pptVIP

几种常见的非线性模型 ? S 型曲线 线性化方法 令：y = 1/y，x= e-x, 则有y = ? + ? x 基本形式： 图像 * 非线性回归（实例） 【例6.6】为研究某水体中藻类密度与水质指标A之间的关系，记录数据如下表。试拟合适当的模型。 水藻密度与水质指标A的关系 水藻（个/L) x 1000 2000 3000 3500 4000 4500 5000 水质指标A（%） y 5.2 6.5 6.8 8.1 10.2 10.3 13.0 * 非线性回归（实例） 水藻密度与水质指标A的散点图 * 非线性回归（实例） 用线性模型：y =?0??1x+? ，则有 y = 2.671+0.0018x 用指数模型：y = ?? x ，则有 y =4.05?(1.0002)x 比较： 直线的残差平方和＝5.3371指数模型的残差平方和＝6.11。 直线模型略好于指数模型。 * 本章小结 相关系数与相关分析 一元线性回归模型、回归方程与估计的回归方程 多元线性回归模型、回归方程与估计的回归方程 回归方程与回归系数的显著性检验 非线性回归的线性化 用Excel 和 SPSS进行回归分析 * 请利用最小二乘法计算下面方程的参数 * Thanks ! * * * * * * * * * * 12 * * * * * * * * * * * * * * * 生物统计学第六章 相关与回归分析(2) 学习目标 1. 掌握相关系数的含义、计算方法和应用 2. 掌握一元线性回归基本原理和参数最小二乘估计方法 掌握回归方程的显著性检验 利用回归方程进行预测 掌握多元线性回归分析的基本方法 了解可化为线性回归的曲线回归 用 Excel 和 SPSS进行回归分析 * 第三节 多元线性回归 一. 多元线性回归模型 回归参数的估计 回归方程的显著性检验 回归系数的显著性检验 多元线性回归的预测 多元线性回归模型 多元线性回归模型 （概念要点） 一个因变量与两个及两个以上自变量之间的回归 描述因变量 y 如何依赖于自变量 x1 ， x2 ，…， xp 和误差项 ? 的方程称为多元线性回归模型 涉及 p 个自变量的多元线性回归模型可表示为 b0 ，b1，b2 ，?，bp是参数 ? 是被称为误差项的随机变量 y 是x1,，x2 ，? ，xp 的线性函数加上误差项? ? 说明了包含在y里面但不能被p个自变量的线性关系所解释的变异性 * 多元线性回归模型 （概念要点） 对于 n 组实际观察数据(yi ; xi1,，xi2 ， ? ，xip )，(i=1,2,…,n)多元线性回归模型可表示为 y1 = b0 + b1 x11+ b2 x12 +?+ bpx1p + e1 y2= b0 + b1 x21 + b2 x22 +?+ bpx2p + e2 yn= b0 + b1 xn1 + b2 xn2 +?+ bpxnp + en { …… * 多元线性回归模型（基本假定） 自变量 x1，x2，…，xp是确定性变量，不是随机变量 随机误差项ε的期望值为0，且方差σ2 都相同 误差项ε是一个服从正态分布的随机变量，即ε~N(0,σ2)，且相互独立 * 多元线性回归方程 （概念要点） 描述 y 的平均值或期望值如何依赖于 x1， x2 ，…，xp的方程称为多元线性回归方程 多元线性回归方程的形式为 E( y ) = ?0+ ?1 x1 + ?2 x2 +…+ ?p xp b1，b2，?，bp称为偏回归系数 bi 表示假定其他变量不变，当 xi 每变动一个单位时，y 的平均变动值 * 多元线性回归方方程的直观解释 二元线性回归模型 (观察到的y) 回归面 ?0 ?i x1 y x2 (x1,x2) } * 多元线性回归的估计(经验)方程 总体回归参数 是未知的，利用样本数据去估计 用样本统计量 代替回归方程中的 未知参数 即得到估计的回归方程 是 估计值 是 y 的估计值 * 参数的最小二乘估计 参数的最小二乘法 （要点） 根据最小二乘法的要求，可得求解各回归参数 的标准方程如下 使因变量的观察值与估计值之间的离差平方和达到最小来求得 。即 *