直线回归与相关知识.pptx

第八章 直线回归与相关 前面各章我们讨论的问题，都只涉及到一个变量，如体重 、日增重、产仔数、体温、血糖浓度 、产奶量 、产毛量或孵化率 、发病率等。 但是，由于客观事物在发展过程中相互联系、相互影响，因而在畜牧、水产等试验研究中常常要研究两个或两个以上变量间的关系。 下一张 主 页 退 出 例如雏鹅重与70日龄重；绵羊胸围与体长；猪的增重与饲料消耗；仔猪初生重与断奶重； 猪瘦肉率与背膘厚度、眼肌面积、胴体长；绵羊产毛量与体重、胸围、体长 ；黑白花奶牛的一胎305天产奶量与 90天产奶量、最高月产、最高日产、最高日产天数； 变量间的关系有两类： 一类是变量间存在着完全确定性的关系，可以用精确的数学表达式来表示。 如长方形的面积 （S） 与 长（a）和 宽（b）的关系可以表达为： S=ab。它们之间的关系是确定性的，只要知道了其中两个变量的值就可以精确地计算出另一个变量的值，这类变量间的关系称为函数关系。 上一张 下一张 主 页 退 出 另一类是 变 量 间不存在完全的确定性关系，不能用精确的数学公式来表示。 如黄牛的体长与体重的关系；仔猪初生重与断奶重的关系；猪瘦肉率与背膘厚度、眼肌面积、胴体长等的关系等等，这些变量间都存在着十分密切的关系，但不能由一个或几个变量的值精确地求出另一个变量的值。像这样一类关系在生物界中是大量存在的，统计学中把这些变量间的关系称为相关关系，把存在相关关系的变量称为相关变量。 上一张 下一张 主 页 退 出 相关变量间的关系一般分为两种: 一种是因果关系，即一个变量的变化受另一个或几个变量的影响。如仔猪的生长速度受遗传特性、营养水平、饲养管理条件等因素的影响，子代的体高受亲本体高的影响； 另一种是平行关系，它们互为因果或共同受到另外因素的影响。如黄牛的体长和胸围之间的关系，猪的背膘厚度和眼肌面积之间的关系等都属于平行关系。上一张 下一张 主 页 退 出 统计学上采用回归分析 （regression analysis）研究呈因果关系的相关变量间的关系。表示原因的变量称为自变量，表示结果的变量称为依变量。 研究“一因一果”，即一个自变量与一个依变量的回归分析称为一元回归分析； 研究“多因一果”，即多个自变量与一个依变量的回归分析称为多元回归分析。 一元回归分析又分为直线回归分析与曲线回归分析两种；多元回归分析又分为多元线性回归分析与多元非线性回归分析两种。 上一张 下一张 主 页 退 出 回归分析的任务是揭示出呈因果关系的相关变量间的联系形式，建立它们之间的回归方程，利用所建立的回归方程，由自变量（原因）来预测、控制依变量（结果）。 统计学上采用相关分析 ( correlation analysis)研究呈平行关系的相关变量之间的关系。 对两个变量间的直线关系进行相关分析称为简单相关分析（也叫直线相关分析）； 对多个变量进行相关分析时，研究一个变量与多个变量间的线性相关称为复相关分析；研究其余变量保持不变的情况下两个变量间的线性相关称为偏相关分析。 上一张 下一张 主 页 退 出 第一节 直线回归 一、直线回归方程的建立 对于两个相关变量，一个变量用x表示，另一个变量用y表示，如果通过试验或调查获得两个变量的n对观测值： （x1，y1），（x2，y2），……，（xn，yn） 为了直观地看出x和y间的变化趋势，可将每一对 观 测 值 在 平 面直角坐标系描点，作出散点图 （..\图片1\图8-1.ppt见图8-1）。上一张 下一张 主 页 退 出 从散点图（..\图片1\图8-1.ppt图8-1）可以看出： ②两个变量间直线关系的性质（是正相关还是负相关）和程度（是相关密切还是不密切）； ①两个变量间有关或无关;若有关,两个变量间关系类型，是直线型还是曲线型； 散点图直观地、定性地表示了两个变量之间的关系。为了探讨它们之间的规律性，还必须根据观测值将其内在关系定量地表达出来。上一张 下一张 主 页 退 出 (i=1,2, …, n) （8—1） 如果呈因果关系的两个相关变量y(依变量)与x(自变量)间的关系是直线关系，根据n对观测值所描出的散点图，如..\图片1\图8-1.ppt图8—1（b）和..\图片1\图8-1.ppt图8—1（e）所示。 由于依变量y的实际观测值总是带有随机误差，因而依变量y的实际观测值yi可用自变量x的实际观测值xi表示为：其中: x 为可以观测的一般变量(也可以是可以观测的随机变量); y 为可以观测的随机变量; 这就是直线回归的数学模型。我们可以根据实际观测值对α，β以及方差 做出估计。 ? i为相互独立，且都服从N（0， ）的随机变量。设回归直线的方