《-一元线性回归》-公开课件.pptVIP

作业 保存对话框 设置测量数据点离拟 合模型的距离指标 库克距离 Cooks距离 杠杆距离 保存对话框 设置预测区间 条件均数的 置信区间 个体y值的 置信区间 设置置信度 保存对话框 设置残差选项， 用于模型诊断 原始残差 标准化残差 采用t变换产生的残差，即学生化残差 剔除残差，可发现可疑的强影响点 学生化剔除残差 保存对话框 设置诊断影响点 的统计量选项 表示不考虑该观察值 后回归系数的变化值 标准化的回归 系数变化值 表示不考虑该观察值 后预测值的变化值 表示标准化预 测值的变化值 在多重回归中，表示不考虑 该观察值后协方差矩阵与含 该观察值协方差矩阵的比率 保存对话框 保存结果到新文件，默 认在当前数据文件中生 成新变量 新变量保存到新数据文件中 设置变量筛选标准和缺省值处理方法话框 解释变量进入或剔 除回归方程的标准 表示以偏F统计量 的理论概率α值 为标准判定变量 是否进入或剔除 回归方程。 表示若某一自变 量的偏F统计量的 概率值P小于0.05 则该自变量进入 回归方程。 表示若某一自变 量的偏F统计量的 概率值P大于0.10 则该自变量剔除 回归方程。 设置变量筛选标准和缺省值处理方法话框 回归方程中是 否包含常数项 缺失值处理方式 凡是有缺失值的数据都不分析 不分析进入模型变量有缺失值的记录 用该变量的均数替代缺失值 自变量筛选方法选项 不做筛选自变量全部进入模型 逐步法，由Options对话框设置筛选标准 强制剔除法 后退法 前进法 例7-1 某地方病研究所调查了8名正常儿童的尿 肌酐含量(mmol/24h)见下表（数据文件data7- 1)。估计尿肌酐含量(y)对其年龄(x)的回归方 程。 7 3.18 2.65 10 2.56 3.36 9 6 3.09 2.48 13 11 3.54 3.01 年龄x 尿肌酐含量y 学生编号 1 2 3 4 5 6 7 8 年龄与尿肌酐含量 1、散点图操作提示 单击Graphs/Scatter打开做散点图主对话框，选择散点图，确定，打开下一级对话框； 简单型 矩阵型 复合型 3维立体型 本题操作提示 散点标记 套用模板 2、正态检验，本题数据少，可以通过残差分析 检验模型 * * * 高等数学 医用高等数学 概率论与数理统计 例7-1 某地方病研究所调查了8名正常儿童的尿 肌酐含量(mmol/24h)见下表（数据文件data7- 1)。估计尿肌酐含量(y)对其年龄(x)的回归方 程。 7.1 一元线性回归 7 3.18 2.65 10 2.56 3.36 9 6 3.09 2.48 13 11 3.54 3.01 年龄x 尿肌酐含量y 学生编号 1 2 3 4 5 6 7 8 年龄与尿肌酐含量 就是分析两个连续型变量之间依存变化的数量 关系的统计方法。 7.1.1 一元线性回归的知识回顾 一元回归分析的概念 3、利用回归方程对因变量进行估计或预测，并给 出估计或预测的置信期间。 一元回归分析的目的 1、根据一组样本数据，确定变量之间的数学关系 式； 2、对数学关系式的可信程度进行假设检验； 回归模型应用条件： 线性、独立、正态、等方差。 1、线性是指因变量Y的总体平均值与自变量X呈线 性关系。 2、独立是指自变量X取不同值时，Y互相独立。 3、正态性是指Y服从正态分布，即是指线性模的误差项?i 服从正态分布。 4、等方差是指在自变量X取值范围内，不论X取什 么值， Y 都具有相同的方差，即? 等方差。 在回归分析中，通常把被预测或被解释的变量 称为因变量，用y表示；把用来预测或解释因变量 的一个或多个变量称为自变量，用x表示。 例如 研究儿子身高与父亲身高关系问题中，研究 目的是预测儿子的身高。 因变量（Y 英寸） 自变量（X 英寸） 儿子身高 父亲身高 一元线性回归方程 总体回归方程： 样本回归方程： 截距a表示在没有自变量x的影响时，其它各种因素 对因变量y的平均影响；回归系数b 表明自变量x每 变动一个单位，因变量y平均变动b个单位。 总体截距， 总体回归系数； 样本截距， 样本回归系数； 为当X取值一定时Y的总体均数的一个样本估计值。 线性回归方程的计算 线性回归方程的假设检验 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 方差分析 方差分析的步骤： 1）建立检验假设，确定检验水准 HO：总体回归系数为零； H1：总