直线回归分析.pptxVIP

单变量分析方法(univariate analysis) 主要是比较同一变量各组间的差异 双变量分析方法(bivariable analysis) ：相关与回归分析 ;两个变量之间的关系;关联性分析的目的;;;;;;;;;;;;;;;;直线相关linear correlation;问题的提出; 最直观方法： 绘制散点图(scatter plot) ;直线相关的定义;直线相关系数(linear correlation coefficient );相关系数的性质;;直线相关的具体步骤;3、相关系数的假设检验 (类似于样本均数与总体均数比较的t检验) 1. t检验 (1)建立假设检验，确定检验水准 ;(2)计算检验统计量 ;;(3)确定P值并作出统计推断;2. 查表法(n≤50) 直接查相关系数界值表， ， =0.514， =0.760， ，结果与 t 检验法一致。;样本相关系数b只是总体回归系数 的一个点估计值，没有考虑抽样误差的大小，因此还需要估计总体回归系数 的置信区间。;注意事项;(a);注意事项;注意事项;(b);注意事项; 直线回归分析;在1926年美国经济学家乔治·泰勒(George Taylor)创造了裙摆指数理论;;;小腿一瞥会给人一种独立感和信心；扫帚裙子则是谦逊和朴素的迹象。;;主要内容;相关系数可用来说明两变量之间伴随而呈现线性变化的趋势和关联程度，并不能用其中一个变量来预测另一个变量的值。 在实际工作中，研究者常常需要通过易测的变量对另一个难测的变量进行估测，如用腰围、臀围、体重指数等简易体脂参数来估测腹腔内脂肪含量，此时可采用回归分析。;回归的背景; 医学领域里常常需要研究两个变量之间的关系，例如：人的身高与体重，体温与脉搏次数，年龄与血压，药剂量与疗效，体表面积与肺活量，身高与臂长…… 两变量关系的密切程度可以用直线相关衡量； 两变量的数量变化关系可以用直线回归衡量。 ;直线回归概念;例14.1; 为了直观了解腹腔内脂肪面积与腰围的关系，以这20名男性志愿者的腰围为横坐标，腹腔内脂肪面积为纵坐标绘制散点图;图14.1 两变量直线回归关系散点图;函数关系与回归关系;直线回归方程： 为自变量的取值 为当 取某一值时应变量y的平均估计值 为截距(intercept)，即当 时y的平均估计值 b为回归系数(regression coefficient)，表示改变一个单位 时y的平均改变量。 ;; b0： 每增加（减少）一个观测单位， 增加（减少）b个单位。; b0： 每增加（减少）一个观测单位， 减少（增加）|b|个单位。 ; b=0： 与 没有直线回归关系。;回归方程的估计;计算公式;其中;本例;故所求回归方程为：;直线回归的统计推断;方差分析法;总变异的分解; ：总离均差平方和 （不考虑回归关系的总变异） ：回归平方和（总变异中可以用回归关系所 解 释的部分。值越大，说明回归效果越好。） ：残差平方和（总平方和中无法用回归关系解 释的部分—随机误差）;自由度的分解;构造F统计量;方差分析表;本例;;;;t检验法;本例;;总体回归系数的区间估计;决定系数(coefficient of determination) ;直线回归分析的应用;总体条件均数的置信区间估计;应变量个体y值的预测区间;二者的区别(置信带和预测带）;直线回归分析需注意的问题;;;;联系;;区别;