相关和回归分析.pptxVIP

水环境监测相关和回归分析主讲教师刘修英课程内容线性相关分析12线性回归分析3直线回归分析的应用4课程引入利用仪器测定水质污染物浓度时，往往通过标准曲线法定量，需要根据仪器响应值与标准物质浓度间的线性关系来定量样品的浓度。在分析污染来源时，往往根据水质指标的浓度间是否相关来判断来源是否相同。这些方法都利用了线性相关分析和线性回归分析。1.线性相关分析相关分析是对变量之间线性关系的描述与度量。目的是通过图形和数值揭示两种事物间的统计关系的强弱程度。相关分析步骤：1.1散点图两变量实验数据有n组：（x1,y1）;（x2,y2）;┄（xi,yi）┄（xn,yn），以点的形式在直角坐标平面中显示即是散点图。散点图显示两变量的关系总趋势，有下列四种情况。a-正线性相关：一个变量增加或减少时，另一个变量也相应增加或减少；b-负线性相关：一个变量增加或减少时，另一个变量却减少或增加；c-非线性相关：变量之间的关系近似地表现为一条曲线；d-无相关：说明两个变量是独立的，即由一个变量值，无法预测另一个变量值。1.2相关系数相关系数是衡量两个变量之间线性相关程度的指标,符号为r，其值在[-1,+1]之间。最常用的相关系数是皮尔逊（Pearson）相关系数，计算公式为：实测值平均值相关系数r与相关程度相关系数r与相关程度图1.3相关系数显著性检验通常采用t检验法，是对相关系数进行抽样分布和假设检验，步骤如下：计算t值：查t值表（单侧检验）,自由度n’=n-2，若检验水平α=0.01，查得t0.01,n’；比较和判断：若t计算＞t0.01,n’，表示P≤0.01，x、y的线性关系显著；若t计算＜t0.01,n’,表示P＞0.01，x、y的线性关系不显著。?例1：用Ag-DDC法测定砷时，用砷标准溶液测得数据如下表，问实测数据的线性关系是否显著？解：（1）;;则?砷含量x/μg00.501.002.003.005.008.0010.00吸光度y00.0140.0320.0600.0940.1440.2300.300?=65.43；（3）查表，得t0.01，6=3.14t计算t0.01,n’，故：x、y线性关系非常显著。2.线性回归分析回归分析是考察变量之间的数量伴随关系，并通过建立变量之间的数学表达式将这种关系描述出来，进而确定自变量的变化对因变量)的影响程度，从而由自变量的取值预测因变量的可能值。2.线性回归分析根据自变量的数量或变量间的依存关系把回归模型分类如下图：自变量一个自变量几个2.1直线回归分析步骤直线回归分析为一元线性线性回归分析，是一个自变量（x)和一个因变量（y）数量依存关系的统计学方法。通过拟合回归方程来描述两变量的依存关系。2.1直线回归分析步骤绘制散点图：根据观察值：（xi，yi）（i=1，2，3，…….，n）绘制。若散点图成直线关系，求回归方程；或通过最小二乘法求回归方程的截距和斜率。对回归方程及回归系数进行显著性检验，若回归方程有统计学意义，画出回归直线，写出方程。?直线回归方程是一个二元一次方程，一般形式为：式中：：是因变量，为自变量x的预估值，是直线上点的纵坐标。a：截距，a=0，直线过原点；b：斜率，又称回归系数；自变量化1个单位，因变量变化个单位。最小二乘法原理：拟合直线时，使各实测点的yi到拟合直线的估计点的yi′距离最短，用下面公式表达为：实测值yi与估计值y’i之间残差平方和最小。?b?a2.2回归分析显著性检验回归分析显著性检验是检验回归方程是否真正描述了变量?y?与?x?之间的统计规律性。检验方法：相关系数r的显著性检验(t检验）.2.3回归方程的应用在水环境监测中，常通过仪器测定值与标准物浓度或质量见的校准曲线进行定量测定。如：分光光度法中的浓度-吸光度校准曲线；电位法中的浓度对数-电位值校准曲线；色谱法中的浓度-峰面积（或峰高）校准曲线。例2：下表中为酚含量和吸光度的实验数据，用线性回归方程表示酚含量与吸光度的关系，并检查方程是否有意义？解（1）求回归方程：根据最小二乘法原理，?b?a回归方程为：y=0.013+3.40x??（2）计算相关系数：（3）计算相关系数的t值：=6.220（4）查临界值表，n=6，n′=6－2=4；当α=0.01时，t0.01，4=4.60t计＞t查表，说明回归方程有显著性意义。`感谢观看! 二二