第9章方差分析及回归分析.pptVIP

第九章 方差分析及回归分析 关键词： 单因素试验 一元线性回归 多元线性回归 方差分析的三个基本条件 独立性. 数据是来自s个独立总体的简单随机样本 正态性. s个独立总体均为正态总体 方差齐性. s个独立总体的方差都相同 例4：某高校随机抽取了四个年级共61名学生，对他们的月生活费作问卷调查，考察不同年级同学月生活费间是否有显著差异。设数据符合单因素方差分析模型所要求的条件。（1）完成下列方差分析表（2）在显著性水平0.01下，检验各年级同学月生活费是否有显著差异？（说明理由） 例 在彩色显像技术中，考虑析出银的光学密度x与形成染料光学密度Y之间的相关关系，其中 11个样本数据如下所示： 例6 某公司在各地区销售一种特殊化妆品。该公司观测了15 个城市在某月内对该化妆品的销售量Y及各地区适合使用该化妆品的人数X1和人均收入X2，得到数据如下： 表1.1.2 化妆品销售的调查数据 地区 i 销售（箱） Yi 人数（千人） Xi1 人均收入（元）Xi2 1 162 274 2450 2 120 180 3254 3 223 375 3802 4 131 205 2838 5 67 86 2347 6 169 265 3782 7 81 98 3008 地区 i 销售（箱） Yi 人数（千人） Xi1 人均收入 （元）Xi2 8 192 330 2450 9 116 195 2137 10 55 53 2560 11 252 430 4020 12 232 372 4427 13 144 236 2660 14 103 157 2088 15 212 370 2605 化妆品销售的调查数据（续） 由回归方程可知，若固定人均收入不变，则人数每增加1千人，销售量增加0.496箱；若固定人数不变，收入每增加1元，销售量增加0.0092箱。 多元线性回归也可以像一元线性回归一样，检验模型的回归效果是否显著。所不同的是，在模型的回归效果显著的情况下，还要检验每个自变量对因变量的效应是否显著，不显著就要剔除，通常用逐步回归法可以使回归方程变得简洁、明确、显著。在此基础上可以对给定点处对应的Y进行点预测和区间预测。所有这些都可以通过SAS软件实现。 （五）回归系数b的置信区间 当回归效果显著时，常需要对回归系数b 作区间估计 (六)回归函数 函数值的点估计和置信区间 （七）Y的观察值的点预测和预测区间 注：在预测时， 一定要落在已有的 的数据范围内部，否则预测常常没有意义。 例4，有人曾断言“儿子身高会受到父亲身高的影响，但身高偏离父代平均水平的父亲，其儿子的身高有回归到子代平均水平的趋势。”试问例1这组数据能证实这一论断吗 (α=0.05) ?当x=69时,求μ(x)的置信及y的预测区间。 (1)回归到平均水平的趋势，即检验 父代的平均身高x0与子代的平均身高y0可能是不同的。如果父亲偏离多少，儿子有相同偏离的话，则应该有y-y0=x-x0，其斜率b为1。如果“有回归到平均水平的趋势”（即父亲“特高”，儿子“较高”；父亲“特矮”，儿子“较矮”），则b1。 例5 合金钢的强度y与钢材中碳的含量x有密切关系。为了冶炼出符合要求强度的钢常常通过控制钢水中的碳含量来达到目的，为此需要了解y与x之间的关系。其中 x：碳含量（％） y：钢的强度（kg/mm2）数据见下： 56.0 53.0 47.5 45.0 42.0 43.0 41.5 41.0 39.5 40.5 y 0.20 0.17 0.15 0.12 0.10 0.09 0.07 0.05 0.04 0.03 x （1）画出散点图；（2）设μ(x)=a+bx,求a,b的估计；（3）求误差方差的估计，画出残差图；（4）检验回归系数b是否为零（取α=0.05)；（5）求回归系数b的95％置信区间；（6）求在x=0.06点，回归函数的点估计和95％置信区间；（7）求在x=0.06点，Y的点预测和95％区间预测。 0.03 0.05 0.07 0.09 0.11 0.13 0.15 0.17 0.19 56 54 52 50 48 46 44 42 40 38 （1）合金钢的强度y与钢材中碳的含量x的散点图 56.0 53.0 47.5 45.0 42.0 43.0 41.5 41.0 39.5