直线回归与相关教学课件.ppt

例 题 xi 0 4 10 15 21 29 36 51 68 yi 66.7 71.0 76.3 80.6 85.7 92.9 99.4 113.6 125.1 根据散点图，确定回归方程形式： 计算得到： 线性相关性检验： 查表得： 显然，在显著性水平?=0.001下，Y与x的线性相关关系高度显著。 直线回归分析与相关分析在生物科学研究领域中已得到了广泛的应用，但在实际工作中却很容易被误用或作出错误的解释。为了正确地应用直线回归分析和相关分析这一工具，必须注意以下几点： 4 应用直线回归与相关的注意事项 （1）变量间是否存在相关 直线回归分析和相关分析毕竟是处理变量间关系的数学方法，在将这些方法应用于生物科学研究时要考虑到生物本身的客观实际情况，譬如变量间是否存在直线相关以及在什么条件下会发生直线相关，求出的直线回归方程是否有意义，某性状作为自变量或依变量的确定等等，都必须由生物科学相应的专业知识来决定，并且还要用到生物科学实践中去检验。如果不以一定的生物科学依据为前提，把风马牛不相及的资料随意凑到一块作直线回归分析或相关分析，那将是根本性的错误。 下一张 主 页 退 出 上一张 （2）其余变量尽量保持一致 由于自然界各种事物间的相互联系和相互制约，一个变量的变化通常会受到许多其它变量的影响，因此，在研究两个变量间关系时，要求其余变量应尽量保持在同一水平，否则，回归分析和相关分析可能会导致完全虚假的结果。例如研究人的身高和胸围之间的关系，如果体重固定，身高越高的人，胸围越小，但当体重在变化时，其结果也就会变化。 下一张 主 页 退 出 上一张 （3）观测值要尽可能的多 在进行直线回归与相关分析时，两个变量成对观测值应尽可能多一些，这样可提高分析的精确性，一般至少有5对以上的观测值。同时变量x的取值范围要尽可能大一些，这样才容易发现两个变量间的变化关系。 （4）结论外推要谨慎 直线回归与相关分析一般是在一定取值区间内对两个变量间的关系进行描述，超出这个区间，变量间关系类型可能会发生改变，所以回归预测必须限制在自变量x的取值区间以内，外推要谨慎，否则会得出错误的结果。 下一张 主 页 退 出 上一张 （5）正确理解回归或相关显著与否的含义 一个不显著的相关系数并不意味着变量x和y之间没有关系，而只有能说明两变量间没有显著的直线关系；一个显著的相关系数或回归系数亦并不意味着x和y的关系必定为直线，因为并不排除有能够更好地描述它们关系的非线性方程的存在。 （6）一个显著的回归方程并不一定具有实践上的预测意义 如一 个资 料x 、y 两个变量间的相关系数 r =0.5，在 df =24时，r0.01(24) =0. 496，rr0.01(24)，表明相关系数极显著。而r2=0.25，即x变量或y变量的总变异能够通过y变量或x变量以直线回归的关系来估计的比重只占25%，其余的 75% 的变异无法借助直线回归来估计。r20.7（r0.836），r0.8,有意义。 下一张 主 页 退 出 上一张 5 可直线化的曲线回归 曲线回归分析：是通过两个相关变量x与y的实际观测数据建立曲线回归方程，以揭示x与y间的曲线联系的形式。 曲线回归分析最困难和首要的工作是确定变量Y与x间的曲线关系的类型。通常通过两个途径来确定： 1、利用有关的专业知识，根据已知的理论规律和实践经验。 2、在没有已知的理论规律和经验可资利用时，则可用描点法将实测点在直角坐标纸上描出，观察实测点的分布趋势与哪一类已知的函数曲线最接近，然后再选用该函数关系式来拟合实测点。 可线性化的曲线函数类型 （1） 双曲线型 方法：变量替换 （2） 指数曲线型 令v=lny，得到： 指数曲线型 令y’=lny，x’＝1/x，得到： （3） 幂函数型 v=lny，u=lnx，得到： 4. 对数曲线型 令u=lgx，得到： （5） S曲线型 令： 得到： * * * * 根据直线回归方程可作出回归直线，见图。从图看出，并不是所有的散点都恰好落在回归直线上，这说明用 去估计y是有偏差的。 下一张 主 页 退 出 上一张 附：直线回归的偏离度估计 偏差平方和 的大小表示了实测点与回归直线偏离的程度，因而此偏差平方和又称为离回归平方和。统计学证明：在直线回归分析中离回归平方和的自由度为n-2。那么，离回归均方为： 离回归均方是模型（6-1）中σ2的估计值