生物统计学课件-ch11回归与相关.pptVIP

回归分析与相关分析 第一节 双变量回归分析 直线回归（LINE）模型的四个假定 线性 Linearity  反应变量均数 ?与X间呈直线关系 ?Y|X= α + ?X 二、回归方程参数的计算 最小二乘法原则（least square method）：使各实际散点（Y）到直线（ ）的纵向距离的平方和最小。即使 最小。 回归方程参数的计算 三、回归参数的假设检验 b≠0原因：① 由于抽样误差引起，总体回归系数β=0 ② 存在回归关系，总体回归系数 β≠0 SY|X剩余（残差）标准差 斜率b的假设检验 H0: ? = 0 H1: ? ? 0 ? ? 0.05 ? ? 8 - 2 = 6 临界值: 2.447 (二)回归系数的方差分析 回归系数的方差分析 四、直线回归方程的区间估计 (四) 个体Y值的预测区间 95％ 的置信区间与 个体 Y 的预测区间有关数据 95％ 的可信区间与 个体 Y 的预测区间图 第二节??? 直线相关 回归 ---- 变量间的依存关系 相关系数示意图 一、 相关系数概念 相关系数(correlation coefficient)，又称积差相关系数（coefficient of product – moment correlation），或Pearson相关系数（SPSS用此名称） 说明相关的密切程度和方向的指标。 r ——样本相关系数 相关系数示意图 相关系数的计算实例 三、相关系数的假设检验 r≠0原因：① 由于抽样误差引起，ρ=0 ② 存在相关关系， ρ≠0 四、决定系数 决定系数(determination coefficient): 由x 不同引起的 y 的平方和 占总平方和 的比率。 决定系数 直线回归与相关的区别与联系 区别： 联系： 直线回归与相关的 应用注意事项 大白鼠进食量与增重结果及等级相关分析表 相关分析： H0: ρ=0。 拒绝。 再做回归分析：Analysis → regression → linear 模型拟合过程中进入、退出的变量的列表，以及一些有关拟合优度的检验：R，R2和调整的R2, 标准误及方差分析表。 回归系数的置信区间 残差大于3倍标准差的观测值为奇异值 共线性诊断 DfBeta 2/Sqrt(N)时，该点可能为强制影响点。 DfBeta 2/Sqrt(N)时，该点可能为强制影响点。 2/Sqrt(N)=0.6 X0=600时，y=129.78 Y 均数的置信区 个体Y值的置信区间 Graphs → Scatter/dot → overlay 残差的方差是否齐？ 残差是否正态？ 练习2：研究药物浓度与横纹肌收缩高度的关系。试验资料如下，试问∶若希望把Y控制在10附近，应当给多大的剂量合适？ X(药物浓度，mM/L)∶　 100 200 400 800 1000x(＝log10(X))∶　　　　 2.000 2.301 2.602 2.903 3.204Y(横纹肌收缩高度，mm)∶3　 7　 9　 12　 16 药物浓度与横纹肌收缩高度.sav Data → compute X=(height+17.398)/10.299 con=10 ** x 练习3：大白鼠进食量（g）和体重增量（g）的关系见数据rat.sav。计算体重增量与进食量之间是否存在相关关系。 16.5 ? 合计 4 2 5.5 158 7.5 820 10 0 0 1 120 1 639 9 4 -2 4 145 2 679 8 0 0 10 186 10 934 7 4 -2 8 167 6 787 6 0 0 3 134 3 690 5 0 0 9 180 9 867 4 4 2 2 130 4 720 3 0.25 -0.5 5.5 158 5 780 2 0.25 0.5 7 165 7.5 820 1 d2 d 秩次 增重（g） 秩次 进食量（g） 秩次差平方 秩次差 变量y 变量x 鼠号 计算feed和weight的秩： Data → Rank case 对feed-weight进行秩相关分析，而对Rfeed-Rweight进行pearson相关分析 散点呈椭圆形分布， X、Y 同时增减---正相关（positive