直线相关与回归幻灯片课件.pptVIP

直线相关与回归;回归的概念;统计学;现代统计学奠基人皮尔逊（Karl Pearson）也证明了子女身高 “回归到中等”的现象（regression to mediocrity）。 皮尔逊观察了1078对父子，以父亲身高作为解释变量X（自变量：Independent Variable），儿子身高作为被解释变量Y（应变量：Dependent Variable），绘制散点图，发现散点的趋势近乎一条直线。 计算得?X＝67.6英寸，?Y＝68.7英寸。;统计学;回归的现代释义 ;直线相关分析 是否存在线性关系→性质和强弱； 没有自变量和应变量之分； 共变关系（双向），地位平等； 不??用一个变量去预测或控制另一个变量。;第二节 直线回归;直线回归的统计模型;建立直线回归方程;寻找总的预测误差最小的直线;最小二乘法（least square method）;计算例题资料的估计值a和b;建立直线回归方程;（一）回归系数的假设检验（t检验） 1、建立检验假设： H0：β＝0，H1：β≠0，?＝0.05 2、计算统计量t：;Sb：回归系数的标准误； Sy.x：残差标准差（又称剩余标准差），即去除x对y的影响后y的变异程度。;例题回归系数的t检验;（二）回归模型的假设检验（方差分析） 1、建立检验假设： H0：回归模型不成立 H1：回归模型成立，?＝0.05 2、计算统计量F： 方差分析基本思想：