第七章 直线回归与相关分析

函数关系 有精确的数学表达式 （确定性的关系） 直线回归分析 一元回归分析 变量间的关系 因果关系 曲线回归分析 (回归分析） 多元线性回归分析 多元回归分析 相关关系 多元非线性回归分析 （非确定性的关系） 简单相关分析—— 直线相关分析 平行关系 复相关分析 （相关分析） 多元相关分析 偏相关分析
SST
y的离均差，反映了y的总变异程度，称为y的总平方和。
说明未考虑x与y的回归关系时y的变异。
2 为由x变异引起y变异的平方和，称回归平 ˆ ( y y )
方和(regression sum of squares) U SSR
它反映在y的总变异中由于x与y的直线关系，而使y变 异减小的部分，在总平方和中可以用x解释的部分。
ˆ y) ( y y ˆ) ( y y) ( y
2 2
2
SST U Q SST SS R SS E
ˆ y ) [ y b( x x ) y ] b U SS R ( y
2 2 2 2 ( x x ) b SS x 2
（0， ）的随机变量。这就是直线回归的数学模型。
总体线性回归模型的图示
Y
yi xi i
观察值
i
yx x
X
观察值
总体线性回归模型
参数
随机误差
yi xi i
因变量
yx
y条件平均数
自变量
为了描述X与Y间的数量关系，必须找出一个能代表Y的 值与χi对应，这个代表值只能是当X=χi时，Y的平均数 μy/X= χi。 μy/X= χi称为Y的条件平均数。
第二节：直线回归
Linear Regression
一、直线回归方程的建立
二、直线回归的数学模型和基本假定
三、直线回归的假设检验
四、直线回归的区间估计
一、直线回归方程的建立
1、散点图：
通过试验或调查获得两个变量的n对观测值：（x1，y1）， （x2，y2），……，（xn，yn） 。为了直观地看出x和y间的变 化趋势，可将每一对 观 测 值 在 平 面直角坐标系描点，作出 散点图 。
收集数据
散点图
X
平均温度（℃） 11.8
Y
历期天数（d ） 30.1
x 134 .7
2 x 2323 .19
14.7
15.6 16.8
17.3
16.7 13.6
y 115 .3
2 y 2039 .03
17.1
18.8 19.5 20.4
11.9
10.7 8.3 6.7
2
xy x
( x x)( y y) 简称乘积和 ，记作 SPxy 或Ssxy 。
自变量 x 的离均差与依变量y 的离均差的乘积和。
( x x)
2
简称SSX 。
a 叫做样本回归截距，是总体回归截距的最小二乘估
计值也是无偏估计值，是回归直线与y轴交点的纵坐标，
当 x = 0时， y = a； b 叫做样本回归系数，表示 x 改变一个单位，y 平均 改变的数量；b 的符号反映了x影响y的性质，b的绝对值 大小反映了 x 影响 y 的程度;
x与y的关系散点图
从散点图可以看出：
两个变量间关系的类型（直线型或曲线型） 两个变量间关系的性质（正向协同变化或负向协同变化）和 程度（关系是否密切） 是否有异常观测值的干扰
散点图直观地、定性地表示了两个变量之间的关系。
为了探讨它们之间的规律性，还必须根据观测值将其内在
关系定量地表达出来。
2、直线回归的数学模型
2
e
最小
e1
e2
e3
e4
x 原则：回归直线是指所有直线中最接近散点图全部散点的直 线，即最好的直线是使总的估计误差达到最小的直线。
最小二乘法
(method of least square)
n
ˆ) (y y
1 2 n
n
2
最小
ˆ ) ( y a bx) Q (y y
1 1
根据回归的定义： X 每一个取值都有 Y 的一个正态分布与之对应。 由于依变量y的实际观测值总是带有随机误差，因 而依变量y的实际观测值yi可用自变量x的实际观测值xi 表示为：
y i xi i
（i=1,2, …, n） （6-1）
式中：α，β为未知参数， i为相互独立，且服从N
相 关 变 量
一个变量的变化受另一个变 因果关系 量或几个变量的制约。
两个以上变量之间互为因果 平行关系 或共同受到另外因素的影响。
1、回归分析 （regression analysis） 研究呈因果关系的相关变量间的关系。表示原 因的变量称为自变量，表示结果的变量称为依变量。 一因一果，一元回归分析 一个自变量与一个依变量的回归分析，分为 直线回归分析与曲线回归分析两种。
ˆ a bx y
2 ˆ Q ( y y) 1 n
基本性质
为最小值
ˆ) 0 (y y
( x, y )
温度 变量 1
X
平均温度（℃）
11.8 14.7 15.6 16.8 17.1 18.8 19.5 20.4
天数 变量 2
Y
历期天数（d ）
30.1 17.3 16.7 13.6 11.9 10.7 8.3 6.7
回归方程计算表2 （二级数据） ∑Xi= X= ∑Xi2=
（∑Xi）2/n=
∑Yi= Y= ∑Xi Yi=
（∑Xi∑Yi）/n=
n= ∑Yi2=
（∑Yi）2/n=
SSx=
SPxy=
b= SPxy/ SSx＝ a=y-bx＝
SSy=
注：x，y分别为X，Y的平均数
40 30 20
ˆ 57.0400 2.5317 x y
2、相关分析 ( correlation analysis)
研究呈平行关系的相关变量之间的关系。 简单相关分析： 对两个变量间的直线关系进行相关分析，也称为直 线相关分析。 复相关分析： 对多个变量进行相关分析时，研究一个变量与多 个变量间的线性相关；
偏相关分析：
研究其余变量保持不变的情况下两个变量间的线 性相关。
整理得关于a、b的正规方程组:
an b x y a x b x 2 xy
( x x )( y y ) SP b SS ( x x)
2
解正规方程组，得：
a y bx
xy x
a y bx
( x x )( y y ) SP b SS ( x x)
直线相关与回归分析
复习
1、方差分析的用途。
2、方差分析的基本思路
3、方差分析的出发点
4、方差分析的步骤
5、单因素方差分析中SS T、SS t、SS e的含义及 三者的关系。
本章节内容
第一节 第二节
第三节
第九章
回归与相关的概念 直线回归
直线相关
第一节：回归与相关的概念
前面各章我们讨论的问题，都只涉及到一 个变量，如体重 、日增重、产仔数、体温、 血糖浓度 、产奶量 、产毛量或孵化率 、发病 率等。 但是，由于客观事物在发展过程中相 互联系、相互影响，因而在生物学研究中常常 要研究两个或两个以上变量间的关系。
最小二乘估计法 设回归直线方程为:
ˆ a bx y
（6-2）
其中， a 是α的估计值，b是β的估计值。
主 页退 出 上一张 下一张
建立 样本线性回归方程的方法 最小二乘法
实际观察值与样本回归线上
的点的距离的平方和最小
y


n
i1
yi yi
n 2 i i 1
SSR（U）值大，说明回归效果好。
ˆ) (y y
2
离回归平方，误差平方和，残差（剩余） 平方和(residual sum of squares)SSE Q
误差因素引起的平方和，反映了除去x与y的直线回归关 系以外的其余因素使y引起变化的大小。 反映x对y的线性影响之外的一切因素对y的变异的作 用，也就是在总平方和中无法用x解释的部分。 在散点图上，各实测点离回归直线越近，SSE （Q） 值越小，说明直线回归的估计误差越小。
研究两个或两个以上变量间的关系有两类：
一、确定的函数关系：变量间存在着完全确 定性的一一对应关系，可以用精确的数学表达式来 表示。 二、不完全确定的函数关系：变 量 间不存在完全
的确定性关系，不能用精确的数学公式来表示，统计
学中把这些变量间的关系称为协变关系(相关关系)，
把存在协变关系的变量称为协变量(相关变量)。
多因一果，多元回归分析 多个自变量与一个依变量的回归分析，分为 多元线性回归分析与多元非线性回归分析两种。
回归分析的任务： 揭示出呈因果关系的相关变量间的联系形 式，建立它们之间的回归方程，利用所建立的 回归方程，由自变量（原因）来预测、控制依 变量（结果）。 回归分析主要包括： 找出回归方程；检验回归方程是否显著； 通过回归方程来预测或控制另一变量。
SPxy xy
( x )( y )
b
SP xy SSx
2.5317
a y b x 57.0400
ˆ 57.0400 2.5317 x y
以上计算也可在回归计算表中进行。 回归方程计算表1（一级数据）
序号k Xi Yi X i2 XiYi Yi2
1 2 ∑
2
2 ˆ ˆ) ( y y ) ( y y ) (y y 2
依变量 y 的平方和，总平方和，记SST或SS总。
ˆ y) ( y y ˆ) ( y y) ( y
2 2
2
回归平方和 U SSR
离回归平方和 Q SSE
2 ( y y )
11.8-----20.4
天数（天）
10 0 10 12 14 16 18 20 22 温度 （℃）
b的生物学意义：当温度提高一个单位时，历期缩短2.5317天。 a的生物学意义：当温度为0时，历期是57.04天。 根据直线回归方程可作出回归直线，见图。从图看出，并不是 所有的散点都恰好落在回归直线上，这说明用 y ˆ 去估计y是有偏 差的。
二、直线回归的假设检验
ˆ a bx y
有意义 指导实践
是否真正存在线性关系 回归关系是否显著
（一）对回归方程的F检验
1、直线回归的变异来源
y-y y-y 实际值与估计值之差，剩余或残差。 估计值与均值之差，它与回归系数的大小有关。
2
ˆ y) ( y y ˆ) ( y y) ( y
如何估计μy/X= χi是直线回归所要解决的问题。
多次重复的平均值所做的直线估计总体最理想 实际应用中并不设置重复，而是直接用 n对观察 值估计总体回归线。
根据回归方程所画出的直线称为回归线，b是直线 的斜率，称为回归系数。
怎样通过实际观测值得到总体回归 α 和 β 的最好点估计值a和b？
参数α，β的估计
b
SPxy SS x
2
U SS R
SPxy SS x
2
ˆ) Q (y y
Q SSE SST SSR
dfT df R df EFra Baidu bibliotek
直线回归分析中，回归自由度等于自变量 的个数，只涉及到1个自变量


2
(x,y) y=a+bx y-y y-y y
ˆ y) 2 (y y ˆ ) 2 2 (y ˆ y)(y y ˆ) (y
ˆ y )( y y ˆ ) b( x x )( y y ) b( x x ) (y bSPxy b 2 SS x ( SP SP 2 ) SP ( ) SS x 0 SS x SS x
2
a、b应使回归估计值与实际观测值的误差平方和最小，即：
ˆ )2 ( y a bx) 2 最小 Q (y y
这种使估计误差平方之和达最小的参数估计方法称为最小 二乘法。
令 Q对a、b的一阶偏导数等于0，即：
Q 2 ( y a bx) 0 a Q 2 ( y a bx) x 0 b
n 8
x x n 16 .8375 y y n 14 .4125
SSx x 2 SS y y 2
( x) 2 n ( y ) 2 n
( x x) 2 55.1788 ( y y ) 2 377 .2688 n ( x x)( y y ) 139 .6937