直线相关回归简单回归分析.pptVIP

目的：检验b是否来自总体回归系数β为零的总体 步骤 1. 建立假设和确定检验水准： H0：β=0 H1：β≠0 α=0.05 ν总 = n-1 ν回归=1 ν剩余=n-2 小 结 1. 直线回归用来描述两变量间的依存关系，主要用途是预测和控制。 2. 根据回归方程绘制的直线是回归线，与纵坐标交点为截距，回归直线的斜率称为回归系数。 1)回归方程? =a+bx中，符号分别代表意义如下，除了 （ ） A．? 为应变量 B．a 为常数项 C．b 为回归系数 D．X为应变量 2)关于直线相关系数与回归系数的关系描述错误的是 （ ） A．r大，则b也一定大 B．r不可能大于1，b则可大于1 C．同一组资料， r?0，则b?0 D．同一组资料，tr=tb 3）直线回归系数的假设检验，其自由度为 （ ） A.n B.n-1 C.n-2 D.2n-1 E.2n-2 4）回归系数检验的无效假设是（ ） A.β＞0 B.β≠0 C.β=0 D. b =0 E.b ≠0 5)两组资料中,回归系数较大的一组 （ ） A．则r也较大 B．则r也较小 C．两变量关系较密切 D．则r可能大也可能小 回归系数的假设检验 回归方程是否成立，即x、y是否有直线关系，是回归分析要考虑的首要问题。即使x、y的总体回归系数β为零，由于抽样误差，其样本回归系数b也不一定为零，因此需作β是否为零的假设检验，可用方差分析或t检验。 回归系数的假设检验 2. 计算统计量 （一）方差分析  SS剩余 = SS总 - SS回归 式中Sb为样本回归系数的标准误，Sy.x为剩余标准差，是当X的影响被扣除后，应变量Y值对于回归直线的离散程度。 （二）t检验 2. 计算统计量 回归系数与相关系数的假设检验是等值的，即tr = tb 应用直线回归应注意的问题 （1）作回归分析要有实际意义，不能把毫无关联的两种现象作回归分析，必须对两种观象间的内在联系有所认识。 （2）作回归分析时，一般以“因”的变量为X，以“果”的变量为Y。若变量之间无因果关系，则以容易测定、较稳定或变异较小者为X。 应用直线回归应注意的问题 （3）应变量是随机变量。自变量也是随机变量时，两者均应服从正态分布；自变量为给定的量时，与每个X取值相对应的变量Y必须服从正态分布。 （4）回归方程只有经过检验拒绝了无效假设后才有意义。 应用直线回归应注意的问题 （5）回归方程的适用范围有其限度，一般仅适用于自变量X的原数据范围内，而不能任意外推。 （6）在进行直线回归分析之前，应绘制散点图，当观察点的分布有直线趋势时，才适宜作直线回归分析，如散点图明显呈曲线趋势，使之直线化再行分析。 1. 在资料要求上，回归要求因变量Y服从正态分布；X是可以精确测量和严格控制的变量，一般称为I型回归。 第三节 直线相关与回归的区别和联系 区别 相关要求两个变量X、Y服从双变量正态分布。这种资料若进行回归分析称为Ⅱ型回归。可以计算两个回归方程。 由X推Y的回归方程： 由Y推X的回归方程： 2. 在应用上，说明两变量间依存变化的数量关系用回归，说明变量间双向的相互关系时用相关。 区别 联系 1.对一组数据若同时计算r与b，它们的正负号是一致的。r为正号说明两变量间的相互关系是同向变化的。b为正，说明X增(减)一个单位，Y平均增(或减)b个单位。 2.r和b的假设检验是等价的，即对同一样本，二者的t值相等。 3.回归与相关可互相解释。 r2称为决定系数(Coefficient of　determination)。 1、区别： （1）相关的两个变量都需服从正态分布 回归中Y必须服从正态分布，X不一定 （2）相关表示相互关系（双向）， 回归表示数量依存关系（单向） 2、联系 （1）同一样本r与b的正负号是一致的 （2）同一样本r与b的假设检验是等价的 （3）相关回归可互相解释 r2 决定系数 3.应变量是随机变量。自变量也是随机变量时，两者均应服从正态分布；自变量为给定的量时，与每个X取值相对应的变量Y必须服从正态分布。 4.对于某些非线性资料可以通过变量变换使之直线化。 5.回归与相关可互相解释。 1）回归系数越大，两变量相关关系越密切 （ ） 2）回归系数小于0，且有统计学意义，可以认为两变量负相关