简单回归与相关讲课.pptVIP

解：已知SSx=144．6356，SSy=249.5556，[例10.11]对例10.7的回归方程用相关系数法进行假设测验。SP=-159.0444，于是有查，现，表明总体相。第30页，共51页，星期日，2025年，2月5日也即总体回归系数。关系数据此可判断总体回归方程成立，样本回归系数b＝－1.0996天／℃是总体回归系数的估计。对于一元线性回归分析而言，t测验、F测验和相关系数测验的结论是一致的。第31页，共51页，星期日，2025年，2月5日t测验和相关系数测验的关系已如前述，至于F测验，虽然直接测验的是回归变异，但因为回归方程中只有一个回归系数,所以回归变异显著也必然意味着回归系数显著。反之，如果t测验或相关系数测验表明回归系数或相关系数显著，必然意味着回归变异显著。第32页，共51页，星期日，2025年，2月5日前面说到的从回归分析中可获得相关分析的信息和从相关分析中也可获得回归分析的信息正是就此而言的。在实际分析中，回归方程的3种测验方法可任选其一。第33页，共51页，星期日，2025年，2月5日由于抽样误差的存在，经假设测验表明显著的回归方程可用来进行回归预测和回归控制。1．回归预测回归预测是指根据回归方程来预测当X＝x时Y，它是此时Y的总体平均值三、回归预测和控制的平均值的点估计值。也必然受到影响，其第34页，共51页，星期日，2025年，2月5日估计标准误为（10.23）据此可估计的1-α置信度的置信区间第35页，共51页，星期日，2025年，2月5日如果要估计当X＝x时Y的个别值y的置信区间，要用到y的估计标准误（10.26）然后（10.25）第36页，共51页，星期日，2025年，2月5日第1页，共51页，星期日，2025年，2月5日由样本观察值求得的样本回归方程为在平面直角坐标系中此方程的图形是一条直线，其斜率为b，在y轴上的位置由a确定，见图10.5。一、回归方程（10.13）其中a是α的估计值，b是β的估计值。第2页，共51页，星期日，2025年，2月5日第3页，共51页，星期日，2025年，2月5日第4页，共51页，星期日，2025年，2月5日(1)离差平方和最小。点距直线的距离(平行于y轴的距离)之和与下方各实际观察点距直线的距离之和相等。的平均值应等于。。(2)，即回归直线上方各实际观察如此求得的回归方程有3个特性据此可知如果在X＝x处进行多次试验，观察值第5页，共51页，星期日，2025年，2月5日(3)回归直线必经过点，也就是说当第6页，共51页，星期日，2025年，2月5日某地连续几年测定3月下旬至4月中旬旬平均温度累积值与一代三化螟盛发期的关系如下：旬平均温度累积值(℃)34.534.131.740.336.840.231.739.244.2一代三化螟盛发期(天)12169273139－1以5月10日为0。试求盛发期对温度累计值的一元线性回归方程。例10.7第7页，共51页，星期日，2025年，2月5日旬平均温度累积值可以测量和计算，虽然也有误差，但较小。一代三化螟盛发期与旬平均温度累积值之间可能有因果关系，前者是果后者是因。并且盛发期还受其它许多因素影响，有较大的随机误差。因此，此资料基本符合回归模型的要求，可做回归分析。解：以温度累积值为X，盛发期为Y，得相关计算表。第8页，共51页，星期日，2025年，2月5日表10.3温度累积值x(℃)与盛发期y(天)的相关计算表xyx2y2xy34.5121190.25144414.034.1161162.81256545.631.791004.8981285.340.321624.09480.636.871354.2449257.640.231616.049120.631.7131004.89169412.139.291536.6481352.844.2－11953.641－44.2∑333.77012517.497942436.4第9页，共51页，星期日，2025年，2月5日第10页，共51页，星期日，2025年，2月5日第11页，共51页，星期日，2025年，2月5日得一元线性回归方程其中回归系数的意义为：旬平均温度累积值每增加1℃，一代三