7.2-直线回归与相关分析.ppt

第三节 可直线化的非线性回归分析; 1 2 3 4 5 6;两变量间的非线性关系;米氏方程 ;.;米氏常数Km的意义;.;.;专业知识、经验或文献确定曲线类型;散点图的方法;曲线回归的相关指数：;直接引入新变量;方程变换后再引入新变量;常用曲线模型的直线化方法;倒数函数曲线;.;指数函数曲线;对数函数曲线;幂函数曲线;S形曲线;三 Logistic生长曲线;0;0;.;K 值;y是生长量或繁殖量时：;四、存在问题;第四节 多元线性回归分析;一、多元线性回归模型 多元回归或复回归(multiple regression)：依变量依两个或两个以上自变量的回归。 (一) 多元回归的线性模型和多元回归方程式 若依变量y同时受到m 个自变量x1、x2、…、xm 的影响，且这m 个自变量皆与y成线性关系，则这m+1个变量的关系就形成m 元线性回归。 ; 一个m元线性回归总体的线性数学模型为： 其中， 为随机误差，服从N( 0， )的正态分布， 为离回归方差，其平方根为离回归标准差或回归估计标准误。; 为x2, x3,…, xm固定不变时，x1每变动一个单位，y平均变动的相应单位数，称为x2, x3,…, xm固定不变时x1对y的偏回归系数（partial regression coefficient），简记作β1，其样本估计值简记作b1，余下类推。;若令 ，则多元线性回归的数学模型为：;样本多元线性回归方程为： 或;二 多元回归统计数的计算;要使Q达到最小，就必须使b1, b2, …,bm的偏微分方程皆等于0，即有：; 经整理，得到如下正规方程组：; 则可得如下方程组：;这个正规方程组可用矩阵表示为：;为求解式中的b，一般应先求出A的逆矩阵A-1，令：;由Ab=K 得b=A-1K：;三、多元线性回归的假设测验和置信区间; 自由度df=n-(m+1)=n-m-1 估计标准误为：;(二) 多元线性回归方程的假设测验 H0：β1=β2 =… =βm =0 ；HA：βi不全为0。 ; 注意： 1 多元线性回归关系显著不排斥有更合理的多元非线性回归方程的存在 2 多元线性回归关系显著不排斥其中存在着与依变量y无线???关系的自变量，因此有必要对各偏回归系数逐个进行假设检验。只有当多元回归方程自变量的偏回归系数均达到显著时，F值才有确定的意义。; (三) 偏回归系数的假设测验 ;1．t 测验; 2. F 测验;注意: 1、t检验结果和F检验结果一致;2、如各自变量间不相关，即rij=0：; 例：两个自变量x1和x2， r12=0，Uy/12=U1+U2 r120，Uy/12U1+U2 r120，Uy/12U1+U2; (四) 多元线性回归的区间估计 ;第五节 多元线性相关分析;一、 多元相关分析;(一) 多元相关系数（复相关系数） 表示多个自变量与依变量总的密切程度的量，多元相关系数，记作 Ry/12…m 。; (二) 多元相关系数的假设测验 令总体的多元相关系数为ρ，则对多元相关系数的假设测验为H0：ρ=0；HA：ρ≠0 ，; 多元相关系数的显著性与多元回归方程的显著性一致，故多元相关与多元回归的假设检验只需进行一种。;二、偏相关; 偏相关系数：表示在其它m-2个变量都保持一定时，指定的两个变量间相关的密切程度。 偏相关系数以r 带右下标表示。如有x1、x2、x3 三个变量，则r12·3表示x3变量保持一定时，x1和x2变量的偏相关系数； 若有m 个变量，则偏相关系数共有m(m-1)/2个。 偏相关系数的取值范围是[-1，1]。; 计算由简单相关系数构成的相关矩阵R：;求得其逆矩阵：;(二) 偏相关系数的间接解法; 当有四个变量时，可用一级偏相关系数间接计算偏相关系数。设四个变量为xi，xj ，xk和xl：;(三) 偏相关系数的假设测