直线回归和相关.docVIP

第九章 直线回归和相关 知识目标： ● 了解相关与回归的概念，两者联系与区别； ● 了解相关与回归的种类、意义以及研究中应注意的问题； ● 了解决定系数与相关系数的关系，决定系数的特点及应用； ● 掌握简单直线相关与回归分析的方法与步骤。 能力目标： ● 学会简单直线回归分析的方法； ● 学会简单直线相关分析的方法。 我们都知道作物的产量与施肥量的关系，在施肥量适宜的情况下作物产量较高，施肥量不足则作物的产量较低。但在农业生产实践中，两块同样面积土地上即使施肥量完全相同，其产量也不会相等，也就是说作物的产量与施肥量这两个变数之间存在一定的关系，但又不存在完全确定的函数关系。这样的两个变数之间的关系怎样进行统计分析将是本章要介绍的内容。 第一节 直线回归 一、直线回归和相关的概念 （一）直线回归和相关的概念 为了研究这些有一定关系的两个或两个以上的变数间的关系，必须将它们放在一起，研究其关系，找出关系的性质和密切程度，这种研究方法，在统计上称为回归与相关的研究。在研究过程中，由于不同的划分标准，回归与相关可分为不同的类型。按照所研究的变数数目的多少，可分为简单相关和简单回归与复相关和复回归两种类型。前者如研究玉米的叶面积指数与亩产量、小麦的亩产量与每平方米的有效穗数、果穗长与果穗粗的关系等等，即仅仅是研究两个变数之间的相互关系，而不涉及两个变数之外的任何事物的统计方法；后者如研究钾肥、氮肥、磷肥的施用量与作物产量或者灌水、施肥、温度、光照与作物产量的关系等等，即研究的是两个或两个以上的变数与一个变数之间的关系的统计方法。按照所研究的变数在图形上表现出来的特点，将回归与相关分为直线回归和直线相关与曲线回归和曲线相关两种类型：如两个变数之间的关系大体表现为直线关系的为直线回归和直线相关；两个变数之间的关系可用曲线来描述的是曲线回归和曲线相关。本章将讨论有一定联系的两个变数的直线回归与直线相关的有关问题。 农业生产实践中，还有哪些变数之间存在回归与相关关系？ 图9-1A 某资料的散点图图9-1B 某资料的散点图图9-1C 某资料的散点图对于具有一定联系的两个变数，可分别用变数符号Y和X表示。对具有统计关系的两个变数的资料进行初步考察的简便而有效的方法是画出资料的散点图(scatter diagram)，也就是将这两个变数的n对观察值(x1，y1)、(x2，y2)、…、(xn，yn)分别以坐标点的形式标记于同一平面直角坐标系中，获得散点图。根据散点图可初步判定两个变数X和Y之间的关系，包括：①X和Y相关的性质(正或负)和密切程度；②X和Y的关系是直线型的还是非直线型的。例如图9-1是3幅散点图，从中可以看出：①图9-1A和9-1B都是直线型的，但两者方向相反；在图9-1A中，Y随X的增大而增大，随X的减小而减小，表示两个变数的关系是正的，即正相关，在图9-1B中Y随X的增大而减小，表示两变数间的关系是负的，即负相关。②图9-1A资料中的各个点几乎都落在一直线上，图9-1B则较为分散，因此，图9-1A中X和Y相关的密切程度必高于图9-1B。③图9-1C 图9-1A 某资料的散点图 图9-1B 某资料的散点图 图9-1C 某资料的散点图 两个变数间的关系若具有原因和反应(结果)的性质，则称这两个变数间存在因果关系。定义原因变数为自变数(independent variable)，以X表示，一般情况下，X是固定的，是在试验时预先指定的，没有误差或误差很小；定义结果变数为依变数(dependent variable)，以Y表示，Y随X的变化而变化，并且有随机误差。例如在磷肥施用量和产量的关系中，磷肥施用量是产量变化的原因，是自变数 (X)，磷肥施用量是事先设计好的，是固定的而且没有误差；产量是对磷肥施用量的反应，是依变数(Y)，是随机的，有随机误差。对具有因果关系的两个变数，统计分析的任务是由试验数据推算得一个表示Y随X的改变而改变的方程式(regression equation of Y on X)，式中表示由该方程估得在给定x时的理论y值。对回归方程式进行测验结果显著后，即可利用所求得的回归方程式对生产进行控制。研究两个变数间单向存有的因果关系，并可由原因预测结果的这种理论类型为回归模型，方程式为回归方程式，以计算回归方程为基础的统计分析方法称为回归分析(regression analysis)。 如果两个变数并不是原因和结果的关系，而呈现一种共同变化的特点，即X和Y是一种不分主从的平行关系，则称这两个变数间存在相关关系。在相关关系中两个变数都有随机误差，并没有自变数和依变数之分，所以X和Y可以代表两个变数中的任意一个，这要根据实际情况而定。例如在大豆的每荚粒数和粒重这两个变数的关系中，它们是同步增减、互有影响的，既不能说每