一元回归及简单相关分析
2022/5/20
内 容概要
第一节 回归与相关的基本概念
第二节 一元线性回归方程
第四节 一元非线性回归
第三节 一元线性回归的检验
第五节 相关
第一节 回归与相关的基本概念:
③ 计算b和a:
④ 得到回归方程,作出回归线:
干物重在NaCI含量上的回归线
第三节 一元线性回归的检验
一、b、a和e的数学期望值与方差
二、b和a的显著性检验——t检验
1、b的显著性检验
H0: β = 0(β0)
HA: β≠0(β0)
检验统计量为:
| t |>tn-2,α/2时,拒绝H0,接受HA,说明两变量间存在显著的线性关系,回归显著;
| t |<tn-2,α/2时,接受H0,说明两变量间不存在显著的线性关系,回归不显著。
df=n-2
【】,进行回归系数 b的显著性检验。
t5,=, t > t5,,拒绝H0,即拒绝β = 0,说明两变量间存在极显著的线性关系,回归极显著。
结论:干物重在NaCI含量上的回归极显著。
解:
2、a的显著性检验
H0: α=α0
HA: α≠α0
检验统计量为:
| t |>tn-2,α/2时,拒绝H0,接受HA;
| t |<tn-2,α/2时,接受H0。
df=n-2
【】,检验a是 否抽自α = 100的总体 。
t5,=,|t| > t5,,拒绝H0,即拒绝α = 100。
结论: a不是抽自α = 100的总体 。
解:
三、两个回归方程的比较
对两个回归方程的b和a的差异显著性检验之后,就能判断它们是否来自同一总体。若来自同一总体,则可以将它们合并为一个回归方程。
⑴ 检验MSe1和MSe2有无显著差异:
F >Fα/2时,拒绝H0,说明两回归线的总体方差不一致,差异显著;
F<Fα/2时,接受H0,说明两回归线有一共同的总体方差,估计值为:
H0: σ12=σ12
HA: σ12≠σ12
检验统计量为:
(df: n大-2, n小-2)
|t|>tα/2时,说明两回归线的回归系数差异显著;
|t|<tα/2时,说明两回归线有一共同的总体回归系数,估计值为:
H0: β1-β2=0
HA: β1-β2≠0
⑵ 检验b1和b2有无显著差异:
检验统计量为:
df: (n1-2)+(n2-2)
或
|t|>tα/2时,说明两回归线的a差异显著;
|t|<tα/2时,说明两回归线的a有一共同的总体,合并值为:
H0: α1-α2=0
HA: α1-α2≠0
检验统计量为:
df: (n1-2)+(n2-2)
或
⑶ 检验a1和a2有无显著差异:
以上的检验,都是后者在前者差异不显著的基础上进行的,若前者差异显著,后面的检验则可终止;若三者的检验,差异均不显著,则两回归方程可合并为一个回归方程。
【】在优质育种工作中,为了快速筛选优良原始材料,采用染料结合(DBC)法测定种子中的碱性氨基酸含量。实验测定了大麦和黑麦每试样的染料结合力(DBC)与碱性氨基酸含量,结果如下,试检验两回归线有无显著差异。
列出计算表:
解:
⑴ 检验MSe1和MSe2有无显著差异:
F<Fα/2,接受H0,两回归线有一共同的总体方差,估计值为:
H0: σ12=σ12
HA: σ12≠σ12
检验统计量为:
|t|<tα/2,两回归线有一共同的总体回归系数,估计值为:
H0: β1-β2=0
HA: β1-β2≠0
⑵ 检验b1和b2有无显著差异:
检验统计量为:
|t|>tα/2,两回归线的a差异显著。
H0: α1-α2=0
HA: α1-α2≠0
检验统计量为:
⑶ 检验a1和a2有无显著差异:
X
四、一元回归的方差分析
1、无重复时的情况
Y的离均差平方和的分解
几个平方和的意义
检验统计量为:
F >F1,n-2,α时,拒绝H0:β=0,说明两变量的回归关系显著;
F<F1,n-2,α时,接受H0,说明两者的回归关系不显著。
两种检验是等价的。
实例
,做回归显著性的方差分析。
将以上结果列成方差分析表
结论是回归极显著。
2、有重复时的情况
总校正平方和做如下分解:
SSpe为纯实验误差平方和(pure experimental error sum o
一元回归及简单相关分析 来自淘豆网www.taodocs.com转载请标明出处.