双变量回归与相关.pptVIP

*决定系数(coefficientofdetermination)定义为回归平方和与总平方和之比，计算公式为：添加标题（9-23）添加标题取值在0到1之间且无单位，其数值大小反映了回归贡献的相对程度，也就是在Y的总变异中回归关系所能解释的百分比。添加标题*融资项目商业计划书单击此处添加副标题线性回归的应用条件四、SPSS软件实现线性(Linear)过程：用于一元或多元线性回归分析，包括自变量的筛选。SPSS操作与界面说明：P344图形(Graphs)散点图(Scatterplot)简单散点图(Simple)分析(Analyze)回归(Regression)线性(Linear)实例及SPSS过程例10.1：某医生共测定了21名肝癌患者血清中胆固醇（mmol/L）和三酰甘油的含量，数据集为例10-01.sav。问肝癌患者血清中胆固醇与三酰甘油是否具有线性回归关系？实例及SPSS过程界面说明界面说明界面说明界面说明界面说明界面说明界面说明界面说明SPSS分析结果拟合过程中变量进入/退出模型的情况记录*融资项目商业计划书单击此处添加副标题*此直线必然通过点(,)且与纵坐标轴相交于截距a。如果散点图没有过坐标系原点，可在自变量实测范围内远端取易于读数的X值代入回归方程得到一个点的坐标，连接此点与点(,)也可绘出回归直线。102**三、直线回归中的统计推断*（一）回归方程的假设检验建立样本直线回归方程，只是完成了统计分析中两变量关系的统计描述，研究者还须回答它所来自的总体的直线回归关系是否确实存在，即是否对总体有？102**添加标题单击此处添加副标题*方差分析102*（X，Y）*数理统计可证明：*式中上式用符号表示为*融资项目商业计划书单击此处添加副标题*上述三个平方和，各有其相应的自由度，并有如下的关系：*如果两变量间总体回归关系确实存在，回归的贡献就要大于随机误差，大到何种程度时可以认为具有统计学意义，可计算统计量F。*式中：*2.t检验*例9-2检验例9-1数据得到的直线回归方程是否成立？*（1）方差分析*表9-2方差分析表列出方差分析表如表9-2。*（2）t检验*注意：*利用上述对回归系数的t检验，可以得到β的1－α双侧可信区间为（二）总体回归系数的可信区间*例9-3根据例9-1中所得b=0.1392，估计其总体回归系数的双侧95%可信区间。*（0.1392-2.447×0.0304，0.1392+2.447×0.0304）=（0.0648，0.2136）*（三）利用回归方程进行估计和预测*反映其抽样误差大小的标准误为A（9-15）（9-14）B*（9-16）（9-17）*两条实曲线——总体均数的可信区间；两条虚曲线——个体Y值的预测区间，范围更宽。二者都是中间窄，两头宽；都在X=处最窄。*例9-4用例9-1所得直线回归方程，计算当X0=12时，的95%可信区间和相应个体值的95%预测区间。*计算步骤例9-1、例9-2已计算出*融资项目商业计划书单击此处添加副标题线性回归小结**第十章两变量之间关系的分析——回归与相关LinearRegressionandCorrelation*问题引出对两个变量之间关系的研究,例如糖尿病病人的血糖与胰岛素水平的关系如何?分析资料涉及每个病人的两个变量值(血糖、胰岛素水平），称为双变量资料(Bivariatedata），记作：（X1,Y1）,（X2,Y2）,…,（Xn,Yn）分析目的：研究X和Y之间的数量关系分析方法：简单线性回归和简单线性相关。*第一节

简单线性回归

SimpleLinearregression*历史背景：十九世纪英国人类学家F.Galton（1822-1891）在由父亲身高与儿子身高的关系的观察分析中，提出了著名的“相关”（correlation）与“回归”（regression）理论。*最初，Galton是将子代身高趋向于种族稳定的自然现象称之向均数“回归”。目前，“回归”已成为表示变量之间某种数量依存关系的统计学术语，并且衍生出“回归方程”“回归系数”等统计学概念。如研究糖尿病病人血糖与其胰岛素水平的关系，研究儿童年龄与体重的关系等。*一、线性回归的概念目的：如果以某个变量X作为自变量，研究另一个