《统计学原理与实务（第三版）》课件 第6章 相关与回归分析.ppt

*二、一元线性回归方程的确定具有线性相关关系的两个变量的关系可表示为：y=α+bx+e线性部分反映了由于x的变化而引起的y的变化.误差项?是随机变量；反映了除x和y之间的线性关系之外的其他因素对y的影响参数误差项假定：E(?)=0*一元线性（总体）回归方程的形式如下E(y)=α+?x方程的图示是一条直线，因此也称为直线回归方程α是回归直线在y轴上的截距，是当x=0时y的期望值，是回归直线是起始值；?是直线的斜率，表示当x每变动一个单位时，y的平均变动值。*用样本数据来估计总体参数以样本统计量估计总体参数*估计参数的最小二乘法1.最小二乘法——使因变量的观察值与估计值之间的离差平方和达到最小来求得a和b的方法，即：**a和b的计算公式根据最小平方法的原则，利用微分求解极值（最优值）的原理，可得求解a和b的标准方程组如下：*学生身高x体重yABCDEFGHIJ15816016216416616817017217417647504855626052617065?1670570例子*x2y2xy2496425600262442689627556282242890029584302763097622092500230430253844360027043721490042257426800077769020102921008088401049212180114402792203303295546*2.回归系数与相关系数同号（从二者的计算公式可推导它们之间的关系）：1.样本回归直线必定经过各散点的中心：说明*回归估计标准差反映的是因变量各实际值与其回归估计值之间的平均差异程度；是实际观察值与回归估计值离差平方的平方根；计算公式如下：一、回归估计标准误差Se第三节回归估计的评价分母之所以是（n-2），而不是n，是因为根据样本资料用最小平方法求参数α和β时，受两个标准方程的约束，失去了两个自由度。***回归估计标准差的作用其值越小，估计值（或回归方程）的代表性越强，用回归方程估计或预测的结果越准确。反映实际观察值在回归直线周围的分散状况；说明了回归直线的拟合程度（衡量回归方程的代表性，测定回归估计的精度）；*二、判定系数对一个具体的观测值来说，变差的大小可以通过该实际观测值与其均值之差来表示。变差来源于两个方面：1、由于自变量x的取值不用造成的；2、除x以外的其他因素(包括x对y的非线性影响、测量误差等)的影响。（一）变差或离差*离差的分解图xyy{}}?a+bx*2.两端平方后求和有：从图上看有：总变差=回归变差+剩余变差记为：SST=SSR+SSE或Lyy=U+Q总变差平方和（SST）回归平方和（SSR）残差平方和（SSE）{{{*（SST－Sumofsquaresoftotal）反映因变量的n个观察值与其均值的总离差总离差平方和SST（SSR－Sumofsquaresofregression）反映自变量x的变化对因变量y取值变化的影响，或者说，是由于x与y之间的线性关系引起的y的取值变化。回归平方和SSR（SSE－Sumofsquaresoferrors）反映除x以外的其他因素对y取值的影响。残差平方和SSE*（二）判定系数（决定系数r2）判定系数=回归平方和占总离差平方和的比例对于一元回归，判定系数=相关系数的平方，即r2＝(r)2反映回归直线的拟合程度，衡量变量之间的相关程度。取值范围在[0,1]之间。r2?1，说明回归方程拟合效果越好；r2?0，说明回归方程拟合得越差。***************statisticsStatistics*第一节相关分析

一、相关分析的意义二、相关关系的测定*联系与相互影响是普遍的现象受教育的水平工作后的收入预防疾病支出疾病的发病率事物相互间关系的质的解释：自然的、社会的