第二节 一元线性回归分析 本节主要内容: 回归是分析变量之间关系类型的方法,按照变量之间的关系,回归分析分为:线性回归分析和非线性回归分析。本节研究的是线性回归,即如何通过统计模型反映两个变量之间的线性依存关系。 回归分析的主要内容: 1. 从样本数据出发,确定变量之间的数学关系式; 2. 估计回归模型参数; 3. 对确定的关系式进行各种统计检验,并从影响某一特定变量的诸多变量中找出影响显著的变量。 一、一元线性回归模型: 一元线性模型是指两个变量x、y 之间的直线因果关系。 理论回归模型: 理论回归模型中的参数是未知的,但是在观察中我们通常用样本观察值估计参数值,通常用分别表示的估计值,即称回归估计模型: 回归估计模型: 二、模型参数估计: 用最小二乘法估计: 【例 3】实测某地四周岁至十一岁女孩的七个年龄组的平均身高(单位:厘米)如下表所示 某地女孩身高的实测数据 建立身高与年龄的线性回归方程。 根据上面公式求出b0=80.84,b1=4.68. 三.回归系数的含义 (2)回归方程中的两个回归系数,其中b0 为回归直线的启动值,在相关图上变现为x=0 时,纵轴上的一个点,称为y 截距;b1 是回归直线的斜率,它是自变量(x)每变动一个单位量时,因变量(y)的平均变化量。 (3)回归系数b1 的取值有正负号。如果b1 为正值,则表示两个变量为正相关关系,如果b1 为负值,则表示两个变量为负相关关系。 [例题·判断题]回归系数b 的符号与相关系数r 的符号,可以相同也可以不同。( ) 答案:错误 解析:回归系数b 的符号与相关系数r 的符号是相同的 [例题·判断题]在回归直线yc=a+bx,b<0,则x 与y 之间的相关系数( ) a.r=0 b.r=1 c.0