一元回归及简单相关分析.pptxVIP

一元回归及 简单相关分析;;内 容概要; 第一节 回归与相关的基本概念;自变量(independent variable):在具有回归关系的变量中，自身发生变化从而引起其他变量随之发生变化的变量，称为自变量，也称解释变量。随机变量X为自变量。;4、 条件平均数 (conditional mean);相关：设有两个随机变量X和Y，对于任一随机变量的每一个可能的值，另一个随机变量都有一个确定的分布与之相对应，即在Y对X存在回归关系的同时，X对Y也存在回归关系，则称这两个随机变量间存在相关关系。;“回归”名称的由来;; 第二节 一元线性回归方程;2、常见类型的散点图;⑴ 两变量之间的关系是否密切，能否由 X来估计Y；;4、实例;;二、 一元正态线性回归模型;Simple Linear Regression Model;;1、估计直线的一般表达式： ;回归系数：一元线性回归线的斜率称为回归系数，表示自变量每改变一个单位，因变量平均改变的单位数。;3、最优回归线的估计原理 ;最小二乘 (Least squares)法图解;3;4、β和α的最小二乘估计;四、回归方程的计算实例;解：;③ 计算b和a：; 第三节 一元线性回归的检验;二、b和a的显著性检验——t检验;【例10.2】以例10.1中的数据为例，进行回归系数 b的显著性检验。;2、a的显著性检验 ;【例10.5】以例10.1中的数据为例，检验a是 否抽自α = 100的总体 。;三、两个回归方程的比较;⑴ 检验MSe1和MSe2有无显著差异：;|t|tα/2时，说明两回归线的回归系数差异显著；;|t|tα/2时，说明两回归线的a差异显著；;以上的检验，都是后者在前者差异不显著的基础上进行的，若前者差异显著，后面的检验则可终止；若三者的检验，差异均不显著，则两回归方程可合并为一个回归方程。;【例10.6】在优质育种工作中，为了快速筛选优良原始材料，采用染料结合（DBC）法测定种子中的碱性氨基酸含量。实验测定了大麦和黑麦每试样的染料结合力（DBC）与碱性氨基酸含量，结果如下，试检验两回归线有无显著差异。;;⑴ 检验MSe1和MSe2有无显著差异：;|t|tα/2，两回归线有一共同的总体回归系数，估计值为：;|t|tα/2，两回归线的a差异显著。;|t|tα/2，两回归线的a差??显著。;;Y的离均差平方和的分解;几个平方和的意义;剩余（残差）标准差 SY|X;检验统计量为： ;实例 ;2、有重复时的情况 ;设实验共收集i=1,2, …,n对数据，在每一xi下做了j=1,2, …,m次重复。 ;首先用纯误差均方对 失拟均方做检验： ;然后用合并后的均方对 回归均方做检验： ;【例10.7】以表10-2中的前两次重复数据为例，用方差分析的方法检验回归的显著性。;列出方差分析表 ： ;第一步用MSpe对MSLOP 做检验： ;五、点估计与区间估计;2、对回归线μY.X的估计 ;3、对y0的估计 ;;六、一元回归分析的意义 ;一、 相关系数;r无单位，-1 ≤ r ≤ 1。;散点呈椭圆形分布，从无规则地分散逐渐聚拢到一条直线上，X、Y 同时增减---正相关；X、Y 此增彼减---负相关。;三、 相关系数的计算 ;【例10.14】在研究水稻籽粒蛋白质含量时，采用两种不同的测定方法，一种是凯氏定氮法（KP法），另一种是染料结合法（DBC法）。用这两种方法测得的结果如下表，计算两者的相关系数。;;结论：两种方法所测得的蛋白质含量之间存在正相关。;|t|tα/2时，两变量相关显著；;【例10.15】检验例10.14中相关系数的显著性。;2、相关系数检验表 ;2、相关系数检验表 ;五、相关系数与回归系数的关系 ;相关：设有两个随机变量X和Y，对于任一随机变量的每一个可能的值，另一个随机变量都有一个确定的分布与之相对应，即在Y对X存在回归关系的同时，X对Y也存在回归关系，则称这两个随机变量间存在相关关系。;;二、 一元正态线性回归模型; 第三节 一元线性回归的检验;几个平方和的意义;3、对y0的估计 ;散点呈椭圆形分布，从无规则地分散逐渐聚拢到一条直线上，X、Y 同时增减---正相关；X、Y 此增彼减---负相关。;三、 相关系数的计算