第十一讲 简单线性回归.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,简单线性回归,Linear regression,回归是设法找出变量间在数量上的依存变化关系,用函数表达式表达出来，这个表达式称之为回归方程。,两变量间的关系,确定性关系,：两变量间的函数关系,圆的周长与半径的关系：,C2,R,速度、时间与路程的关系：,L,ST,X,与,Y,的函数关系：,Ya+bX,非确定性关系,：两变量在宏观上存在关系，但并未精确到可以用函数关系来表达。,青少年身高与年龄的关系；,身高与体重的关系:标准体重(,kg)=,身高(,cm)-105,药物浓度与反应率的关系；,一、线性回归的概念,当两个变量存在,准确、严格的,直线关系时，可以用,Y=,a+bX,，,表示两者的函数关系。,其中,X,为,自变量（,independent variable,）；,Y,是因变量（,dependent variable,）。,但在实际生活当中，由于其它因素的干扰，许多双变量之间的关系并不是严格的函数关系，不能用函数方程来准确反映，为了区别于两变量间的函数方程，我们称这种关系为回归关系，用直线方程来表示这种关系称为回归直线或线性回归。,小插曲：为什么叫,”,回归,“,？,F.Galton K.Pearson二、回归参数的估计,式中的,是由自变量,X,推算应变量,Y,的估计值，,a,是回归直线在,Y,轴上的,截距,；,b,为样本的,回归系数,，即回归直线的斜率，表示当,X,变动一个单位时，,Y,平均变动,b,个单位。,计算原理：,最小二乘法,，即保证各实测点到回归直线的纵向距离的平方和最小，并使计算出的回归方程最能代表实测数据所反映出的直线趋势。,例,12-1,某医师为了研究正常成年男性的运动后最大心率与年龄的关系，测得,20,名正常成年男性的有关数据，散点图如下。,年龄与运动后最大心率的回归方程,回归系数和回归方程的意义及性质,b,的意义,a,的意义,的意义,的意义,的意义,b,的意义,斜率(slope),301.3124-3.218,X,年龄每增加 1 岁，其运动后最大心率平均减少,3.218,（次,/,分钟,),b,的单位为(,Y,的单位/,X,的单位),b,0,，,y increase with the increase of X,b,0,b,F,0.05（1，18）,，P0.05，,拒绝,H,0,H,0,：=0,H,1,：0,=0.05,t,检验法,S,b,是样本回归系数的标准误,H,0,：,0，,H,1,：,0，,=0.05。,年龄与运动后最大心率间存在回归关系。,决定系数,(coefficient of determination),取值在,0,到,1,之间，反映了回归贡献的相对程度。,决定系数除了作为回归拟合效果的概括统计量，还可利用它对回归方程做假设检验。,四、回归问题的区间估计,回归系数的可信区间估计,估计值 的可信区间估计,个体,Y,值的容许区间估计,总体回归系数,的可信区间估计,根据,t,分布原理估计：,-3.2182.1010.2777,-3.8014-2.6346,的可信区间估计总体回归线的,95%,置信带,样本 总体,Y,的总平均,给定,X,时,Y,的平均,(,Y,的条件均数),根据,t,分布原理：,的容许区间估计个体,Y,值的容许区间,给定,X,时,Y,的估计值是,Y,的均数 的一个估计。,给定,X,时,Y,值的容许区间是,Y,值的可能范围。,的100(1-,)%容许限:,的可信区间与,Y,的容许区间,可信区间是针对条件均数的，而容许区间是针对,Y,的取值范围的。,X=46,时，的可信区间为：,149.7501156.8187(,次,/,分,),表示,：年龄为,46,岁的男子，估计其运动后最大心率为,153.2844,，95可信区间为（,149.7501,，,156.8187,),(,次,/,分,),X=46,时，,Y,的容许区间为：,141.7543164.8145(,次,/,分,),表示,：年龄为,46,岁的男子，估计有95的人其运动后最大心率在,141.7543164.8145(,次,/,分,),之间。,可信区间与容许区间示意,(,confidence band&tolerance band),11,12,13,14,15,16,4.5,5.0,5.5,6.0,6.5,7.0,五、残差分析,线性回归的,应用条件(,LINE,)：,(1),线性(,linear),(2),独立(,independent),(3),给定,X,时，,Y,正态分布(,normal),(4),等方差(,equal variance),可通过散点图、残差图等方法来判断数据是否满足这些条件。,给定,X,时，,Y,是正态分布、等方差示意图,给定,X,时，,Y,是正态分布、不等方差示意图,残差及残差分析,残差是指观察值,Y,i,与预测值 之间的差值，其表达式为：,它反映了方程拟合数据优劣的信息。,残差分析（,residual analysis,）旨在通过残差深入了解数据与方程之间的关系，评价实际资料是否符合回归方程的假设，识别离群值等。,残差图,标准残差：（残差均值）,/,标准差,以自变量（或因变量）为横坐标，标准残差为纵坐标，构成的散点图称之为残差图。,运动后最大心率,Y,和回归残差图,残差图示意图,残差图示意图含义,以上给出几种以自变量取值为横坐标、以标准化残差为纵坐标的残差图的常见类型。,在此残差图中：,情况（,a,）、情况（,b,）和情况（,f,）表示残差不满足等方差的条件；,情况（,c,）显示存在非线性关系；,情况（,d,显示有点处于,2,倍标准差以外，可能是离群值；,只有情况（,e,）显示残差呈随机分布，满足回归条件。,六、线性回归分析的注意事项,1.进行相回归分析要有实际意义。,2.,充分利用散点图。,3.,在回归分析中要求因变量,Y,是随机变量，服从正态分布，自变量,X,可以是随机变量也可以是给定的变量。,4.,自变量的选择：因果中的因、容易测量的、变异小的。,4.,注意线性回归模型的应用条件：,LINE,5.,建立回归方程后，须对回归系数进行假设检验。,6.,使用回归方程估计时，在建立方程时的自变量的取值范围内。,七、线性相关和回归的 区别和联系,联系,：,1.,b,和,r,符号一致,2.,b,和,r的检验是等价的,3.用回归解释相关,区别,1.,资料要求不同：回归要求,y,服从正态分布，,x,是可以精确测量和严格控制的变量，一般称为,型回归；相关要求两个变量服从双变量正态分布。这种资料若进行回归分析称为回归，可计算两个方程。,I,型回归：,X,是精确控制的；,II,型回归：,X,是随机的。,由,X,推算,Y：,由,Y,推算,X：,2.研究目的不同：回归用来说明两变量数量上的依存变化关系，相关说明变量间的相关关系。,小结,简单线性回归是研究两个变量间线性关系的数量表达式。根据最小二乘法原则，计算回归方程。,进行简单线性回归分析需要满足,线性、独立、正态 与等方差,4,个条件。,在简单线性回归分析中，对回归方程的检验等价于对回归系数的假设检验，可通过方差分析或,t,检验完成。,案例,原文题目高效毛细管电泳法测定血浆中布比卡因的浓度，采用毛细管电泳法，于0.5,ml,空白血浆中分别加入0.05，0.1，0.2，0.3，0.4，0.5,g,的布比卡因进行测定，原作者以样品峰的峰面积与内标峰的峰面积之比（,Y）,对样品量（,X）,进行相关分析，线性关系良好（,r0.99）,习题,1.在简单线性回归分析中，得到回归系数为-0.30，经检验有统计学意义，说明（）,A.Y,增加一个单位，,X,平均减少30%,B.X,增加一个单位，,Y,平均减少30%,C.X,增加一个单位，,Y,平均减少0.30个单位,D.Y,增加一个单位，,X,平均减少0.30个单位,E.X,对,Y,的影响在变异的30%,2.,对两个定量变量同时进行了线性相关和线性回归分析，,r,有统计学意义，则（）,A.b,无统计学意义,B.b,有高度统计学意义,C.b,有统计学意义,D.,不能肯定,b,有无统计学意义,E.a,有统计学意义,3.,最小二乘估计方法的本质要求是（）,A.,各点到直线的垂直距离的和最小,B.,各点到,x,轴的纵向距离的平方和最小,C.,各点到直线的垂直距离的平方和最小,D.,各点到直线的纵向距离的平方和最小,E.,各点到直线的纵向距离的平方和最大,