电子文档交易市场
安卓APP | ios版本
电子文档交易市场
安卓APP | ios版本

生物统计学:相关与回归分析

76页
  • 卖家[上传人]:hu****a8
  • 文档编号:62149132
  • 上传时间:2018-12-17
  • 文档格式:PPT
  • 文档大小:10.40MB
  • / 76 举报 版权申诉 马上下载
  • 文本预览
  • 下载提示
  • 常见问题
    • 1、相关与回归分析,第一节 变量间的相关关系 第二节 一元线性回归 第三节 多元线性回归 第四节 可化为线性回归的曲线回归,第一节 变量间的相关关系,一. 变量相关的概念 二. 相关系数及其计算,变量间的关系(函数关系),是一一对应的确定关系 设有两个变量 x 和 y ,变量 y 随变量 x 一起变化,并完全依赖于 x ,当变量 x 取某个数值时, y 依确定的关系取相应的值,则称 y 是 x 的函数,记为 y = f (x),其中 x 称为自变量,y 称为因变量 各观测点落在一条线上,变量间的关系(函数关系), 函数关系的例子 某种商品的销售额(y)与销售量(x)之间的关系可表示为 y = p x (p 为单价) 圆的面积(S)与半径之间的关系可表示为S = R2 企业的原材料消耗额(y)与产量(x1) 、单位产量消耗(x2) 、原材料价格(x3)之间的关系可表示为y = x1 x2 x3,变量间的关系(相关关系),变量间关系不能用函数关系精确表达 一个变量的取值不能由另一个变量唯一确定 当变量 x 取某个值时,变量 y 的取值可能有几个 各观测点分布在直线周围,变量间的关系(相关关系)

      2、, 相关关系的例子 商品的消费量(y)与居民收入(x)之间的关系 商品销售额(y)与广告费支出(x)之间的关系 粮食亩产量(y)与施肥量(x1) 、降雨量(x2) 、温度(x3)之间的关系 收入水平(y)与受教育程度(x)之间的关系 父亲身高(y)与子女身高(x)之间的关系,相关关系的类型,相关关系的图示,相关关系的测度(相关系数),对变量之间关系密切程度的度量 对两个变量之间线性相关程度的度量称为简单相关系数 若相关系数是根据总体全部数据计算的,称为总体相关系数,记为 若是根据样本数据计算的,则称为样本相关系数,记为 r,相关关系的测度(相关系数), 样本相关系数的计算公式,或化简为,相关关系的测度 (相关系数取值及其意义),r 的取值范围是 -1,1 |r|=1,为完全相关 r =1,为完全正相关 r =-1,为完全负正相关 r = 0,不存在线性相关关系相关 -1r0,为负相关 0r1,为正相关 |r|越趋于1表示关系越密切;|r|越趋于0表示关系越不密切,相关关系的测度 (相关系数取值及其意义),r,相关关系的测度 (相关系数计算例),【例10.1】在研究我国人均消费水平的问题

      3、中,把全国人均消费额记为y,把人均国民收入记为x。我们收集到19811993年的样本数据(xi ,yi),i =1,2,,13,数据见表10-1,计算相关系数。,相关关系的测度(计算结果),解:根据样本相关系数的计算公式有 人均国民收入与人均消费金额之间的相关系 数为 0.9987,相关系数的显著性检验(概念要点),检验两个变量之间是否存在线性相关关系 等价于对回归系数 b1的检验 采用 t 检验 检验的步骤为 提出假设:H0: ;H1: 0,计算检验的统计量:,确定显著性水平,并作出决策 若tt,拒绝H0 若tt,接受H0,相关系数的显著性检验(实例), 对前例计算的相关系数进行显著性检(0.05) 提出假设:H0: ;H1: 0 计算检验的统计量,3. 根据显著性水平0.05,查t分布表得t(n-2)=2.201 由于t=64.9809t(13-2)=2.201,拒绝H0,人均消费金额与人均国民收入之间的相关关系显著,相关系数的显著性检验 (相关系数检验表的使用),若IrI大于表上的=5%相应的值,小于表上1%相应的值,称变量x与y之间有显著的线性关系 若IrI大于表上=1%相应的

      4、值,称变量x与y之间有十分显著的线性关系 若IrI小于表上=5%相应的值,称变量x与y之间没有明显的线性关系 根据前例的r0.9987=5%(n-2)=0.553,表明人均消费金额与人均国民收入之间有十分显著的线性相关关系,第二节 一元线性回归,一. 一元线性回归模型 参数的最小二乘估计 回归方程的显著性检验 预测及应用,什么是回归分析?(内容),从一组样本数据出发,确定变量之间的数学关系式 对这些关系式的可信程度进行各种统计检验,并从影响某一特定变量的诸多变量中找出哪些变量的影响显著,哪些不显著 利用所求的关系式,根据一个或几个变量的取值来预测或控制另一个特定变量的取值,并给出这种预测或控制的精确程度,回归方程一词是怎么来的,回归分析与相关分析的区别,相关分析中,变量 x 变量 y 处于平等的地位;回归分析中,变量 y 称为因变量,处在被解释的地位,x 称为自变量,用于预测因变量的变化 相关分析中所涉及的变量 x 和 y 都是随机变量;回归分析中,因变量 y 是随机变量,自变量 x 可以是随机变量,也可以是非随机的确定变量 相关分析主要是描述两个变量之间线性关系的密切程度;回归分析不

      5、仅可以揭示变量 x 对变量 y 的影响大小,还可以由回归方程进行预测和控制,回归模型的类型,回归模型,回答“变量之间是什么样的关系?” 方程中运用 1 个数字的因变量(响应变量) 被预测的变量 1 个或多个数字的或分类的自变量 (解释变量) 用于预测的变量 3. 主要用于预测和估计,一元线性回归模型 (概念要点),当只涉及一个自变量时称为一元回归,若因变量 y 与自变量 x 之间为线性关系时称为一元线性回归 对于具有线性关系的两个变量,可以用一条线性方程来表示它们之间的关系 描述因变量 y 如何依赖于自变量 x 和误差项 的方程称为回归模型,一元线性回归模型 (概念要点), 对于只涉及一个自变量的简单线性回归模型可表示为 y = b0 + b1 x + e 模型中,y 是 x 的线性函数(部分)加上误差项 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随机因素对 y 的影响 是不能由 x 和 y 之间的线性关系所解释的变异性 0 和 1 称为模型的参数,一元线性回归模型(基本假定),误差项是一个期望值为0的随机变量,即

      6、E()=0。对于一个给定的 x 值,y 的期望值为E ( y ) = 0+ 1 x 对于所有的 x 值,的方差2 都相同 误差项是一个服从正态分布的随机变量,且相互独立。即N( 0 ,2 ) 独立性意味着对于一个特定的 x 值,它所对应的与其他 x 值所对应的不相关 对于一个特定的 x 值,它所对应的 y 值与其他 x 所对应的 y 值也不相关,回归方程 (概念要点),描述 y 的平均值或期望值如何依赖于 x 的方程称为回归方程 简单线性回归方程的形式如下 E( y ) = 0+ 1 x,方程的图示是一条直线,因此也称为直线回归方程 0是回归直线在 y 轴上的截距,是当 x=0 时 y 的期望值 1是直线的斜率,称为回归系数,表示当 x 每变动一个单位时,y 的平均变动值,估计(经验)的回归方程,简单线性回归中估计的回归方程为,其中: 是估计的回归直线在 y 轴上的截距, 是直线的斜率,它表示对于一个给定的 x 的值,是 y 的估计值,也表示 x 每变动一个单位时, y 的平均变动值,用样本统计量 和 代替回归方程中的未知参数 和 ,就得到了估计的回归方程,总体回归参数 和 是未知的,

      7、必需利用样本数据去估计,参数 0 和 1 的最小二乘法 (概念要点),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 和 的方法。即,用最小二乘法拟合的直线来代表x与y之间的关系与实际数据的误差比其他任何直线都小,最小二乘法(图示),最小二乘法 ( 和 的计算公式), 根据最小二乘法的要求,可得求解 和 的标准方程如下,估计方程的求法 (实例),【例】根据例10.1中的数据,配合人均消费金额对人均国民收入的回归方程 根据 和 的求解公式得,估计(经验)方程,人均消费金额对人均国民收入的回归方程为,y = 54.22286 + 0.52638 x,估计方程的求法 (Excel的输出结果),离差平方和的分解,因变量 y 的取值是不同的,y 取值的这种波动称为变差。变差来源于两个方面 由于自变量 x 的取值不同造成的 除 x 以外的其他因素(如x对y的非线性影响、测量误差等)的影响 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,离差平方和的分解(图示),离差平方和的分解 (三个平方和的关系),2. 两端平方后求和有,从图上看有,SST = SSR + S

      8、SE,离差平方和的分解 (三个平方和的意义),总平方和(SST) 反映因变量的 n 个观察值与其均值的总离差 回归平方和(SSR) 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,也称为可解释的平方和 残差平方和(SSE) 反映除 x 以外的其他因素对 y 取值的影响,也称为不可解释的平方和或剩余平方和,样本决定系数 (判定系数 r2 ),回归平方和占总离差平方和的比例,反映回归直线的拟合程度 取值范围在 0 , 1 之间 r2 1,说明回归方程拟合的越好;r20,说明回归方程拟合的越差 判定系数等于相关系数的平方,即r2(r)2,回归方程的显著性检验 (线性关系的检验 ),检验自变量和因变量之间的线性关系是否显著 具体方法是将回归离差平方和(SSR)同剩余离差平方和(SSE)加以比较,应用F检验来分析二者之间的差别是否显著 如果是显著的,两个变量之间存在线性关系 如果不显著,两个变量之间不存在线性关系,回归方程的显著性检验 (检验的步骤),提出假设 H0:线性关系不显著,2. 计算检验统计量F,确定显著性水平,并根

      9、据分子自由度1和分母自由度n-2找出临界值F 作出决策:若FF ,拒绝H0;若FF ,接受H0,回归方程的显著性检验 (方差分析表),(续前例)Excel 输出的方差分析表,平方和,均方,估计标准误差 Sy,实际观察值与回归估计值离差平方和的均方根 反映实际观察值在回归直线周围的分散状况 从另一个角度说明了回归直线的拟合程度 计算公式为,注:上例的计算结果为14.949678,回归系数的显著性检验 (要点),在一元线性回归中,等价于回归方程的显著性检验,检验 x 与 y 之间是否具有线性关系,或者说,检验自变量 x 对因变量 y 的影响是否显著,理论基础是回归系数 的抽样分布,回归系数的显著性检验 (样本统计量 的分布),是根据最小二乘法求出的样本统计量,它有自己的分布 的分布具有如下性质 分布形式:正态分布 数学期望: 标准差: 由于无未知,需用其估计量Sy来代替得到 的估计的标准差,回归系数的显著性检验 (样本统计量 的分布),回归系数的显著性检验 (步骤),提出假设 H0: b1 = 0 (没有线性关系) H1: b1 0 (有线性关系) 计算检验的统计量,确定显著性水平,并进行决策 tt,拒绝H0; tt,接受H0,回归系数的显著性检验 (实例),提出假设 H0:b1 = 0 人均收入与人均消费之间无线性关系 H1:b1 0 人均收入与人均消费之间有线性关系 计算检验的统计量,t=65.0758t=2.201,拒绝H0,表明人均收入与人均消费之间有线性关系,对前例的回归系数进行显著性检验(0.05),回归系数的显著性检验 (Excel输出的结果),利用回归方程进行估计和预测,根据自变量 x 的取值估计或预测因变量 y的取值 估计或预测的类型 点估计 y 的平均值的点估计 y 的个别值的点估计 区间估计 y 的平均值的置信区间估计 y 的个别值的预测区间估计,利用回归方程进行估计和预测 (点估计),2. 点估计值有 y 的平均值的

      《生物统计学:相关与回归分析》由会员hu****a8分享,可在线阅读,更多相关《生物统计学:相关与回归分析》请在金锄头文库上搜索。

      点击阅读更多内容
    最新标签
    发车时刻表 长途客运 入党志愿书填写模板精品 庆祝建党101周年多体裁诗歌朗诵素材汇编10篇唯一微庆祝 智能家居系统本科论文 心得感悟 雁楠中学 20230513224122 2022 公安主题党日 部编版四年级第三单元综合性学习课件 机关事务中心2022年全面依法治区工作总结及来年工作安排 入党积极分子自我推荐 世界水日ppt 关于构建更高水平的全民健身公共服务体系的意见 空气单元分析 哈里德课件 2022年乡村振兴驻村工作计划 空气教材分析 五年级下册科学教材分析 退役军人事务局季度工作总结 集装箱房合同 2021年财务报表 2022年继续教育公需课 2022年公需课 2022年日历每月一张 名词性从句在写作中的应用 局域网技术与局域网组建 施工网格 薪资体系 运维实施方案 硫酸安全技术 柔韧训练 既有居住建筑节能改造技术规程 建筑工地疫情防控 大型工程技术风险 磷酸二氢钾 2022年小学三年级语文下册教学总结例文 少儿美术-小花 2022年环保倡议书模板六篇 2022年监理辞职报告精选 2022年畅想未来记叙文精品 企业信息化建设与管理课程实验指导书范本 草房子读后感-第1篇 小数乘整数教学PPT课件人教版五年级数学上册 2022年教师个人工作计划范本-工作计划 国学小名士经典诵读电视大赛观后感诵读经典传承美德 医疗质量管理制度 2 2022年小学体育教师学期工作总结 2022年家长会心得体会集合15篇
    关于金锄头网 - 版权申诉 - 免责声明 - 诚邀英才 - 联系我们
    手机版 | 川公网安备 51140202000112号 | 经营许可证(蜀ICP备13022795号)
    ©2008-2016 by Sichuan Goldhoe Inc. All Rights Reserved.