统计学课件-直线回归与相关分析.pptVIP

(三）μy/x 和单个y观测值置信区间图示 正比 反比 愈靠近 x ，对y总体平均值或单个y的估计值就愈精确，而增大样本含量，扩大x的取值范围亦可提高精确度。 作回归分析时要有实际意义。 直线回归注意问题 不能把毫无关联的两种现象勉强作回归分析，即便有回归关系也不一定是因果关系，还必须对两种现象的内在联系有所认识，即能从专业理论上作出合理解释或有所依据。 进行直线回归分析之前，绘制散点图。 直线回归注意问题 当观察点的分布有直线趋势时，才适宜作直线回归分析。 散点图还能提示资料有无异常值，即对应于残差绝对值特别大的观测数据。异常点的存在往往对回归方程中的a和b的估计产生较大的影响。因此，需要复查此异常点的值。 直线回归的适应范围一般以自变量的取值为限。 直线回归注意问题 在自变量范围内求出的估计值，一般称为内插(interpolation);超过自变量取值范围所计算出的估计值，称为外延(extrapolation)。 若无充分理由证明超过自变量取值范围还是直线，应该避免外延。 描述两变量间的依存关系。 直线回归的应用 利用回归关系进行预测(forecast)。 直线回归的应用 将自变量作为预报回子，代入方程对预报量进行估计，其波动范围可按个体y值容许区间方法计算。 回归方程进行统计控制(statistical control). 直线回归的应用 NO2浓度 Y(NO2浓度，mg/m3)= -0.064866+0.000133x(车流量，辆／小时） ^ 第三节：直线相关 Linear Correlation 一、相关系数和决定系数 二、相关系数的假设检验 三、相关系数的区间估计 一、相关系数和决定系数 x y 线性关系 了解x和y相关以及相关的性质 相关系数 相关类型 正相关 负相关 零相关 I II III IV I II III IV I II III IV I II III IV I II III IV I II III IV I II III IV 直线相关的两个变量的相关程度和性质 乘积和 互变量 （1)单位问题 （2)x与y本身的变异不影响x与y之间的相关性 ？ ｎ r 两个变量的变异程度 两个变量的度量单位 两个变量的个数 r可以用来比较不同双变量的相关程度和性质。 样本 总体 两个变量在相关系数计算中的地位是平等的，没有自变量和依变量之分 相关 回归 区 别 联系 决定系数 coefficient of determination 变量x引起y变异的回归平方和占y总变异平方和的比率 当SSy固定时，回归平方和U的大小取决于r2。 回归平方和U是由于引入了相关变量而使总平方和SSy减少的部分。 说明引入相关的效果好 用 y 可以准确预测y值 x与y完全相关。 完全正相关 完全负相关 散点图上所有点必在一条直线上。 回归一点作用也没有，即用x的线性函数完全不能预测y值的变化。 x与y之间不存在直线相关关系，这时散点图分布紊乱，没有直线的趋势，但可能存在非线性关系。 I II III IV x的线性函数对预测y值的变化有一定作用，但不能准确预测，说明y还受其他因素（包括随机误差）的影响。 相关系数(r) 和决定系数(r2) 的区别 (1) 除去 r =1和0的情况外，r 2 r，这样可以防止对相关系数所表示的相关程度作夸张的解释。 （2）r可正可负，r2取正， r2一般只用于表示相关程度而不表示相关性质。 温度 天数 黏虫孵化历期平均温度与历期天数成负相关。 x和y的变异有93.74％可用二者之间的线性关系来解释。 ρ=0 x y (x1,y1) (x2,y2) (x3,y3) (xn,yn) P ? 误差因素引起的平方和，反映了除去x与y的直线回归关系以外的其余因素使y引起变化的大小。 反映x对y的线性影响之外的一切因素对y的变异的作用，也就是在总平方和中无法用x解释的部分。 离回归平方和 误差平方和，剩余平方和 (residual sum of squares) Q 在散点图上，各实测点离回归直线越近，Q值越小，说明直线回归的估计误差越小。 依变量 y的平方和，总平方和，SSy,SS总 回归平方和 U 离回归平方和 Q 直线回归分析中，回归自由度等于自变量的个数，只涉及到1个自变量 df回归＝1 df总＝n-1 df离回归＝n-2 Q/n-2 离回归标准差 回归估计标准误 剩余标准差 离回归方差 总体回归截踞 总体回归系数 随机误差 α：它是y的本底水平，即x对y没有任何作用时，y的数量表现。 βx：它描述了因变量y的取值改变中，由y与自变量x的线性关系所引起的部分，即可以由x直接估计的部分。 误差：它描述了因变量y的取值改变由x以外的可能与y有关的随机和非随机因素共同引起的部分，即不能由x