第十一講回歸分析和卡方檢驗

第十一講回歸分析&卡方檢驗

一、相關(guān)分析和回歸分析疏密：X，Y共變程度斜率：X數(shù)值對Y影響大小二、函數(shù)式與回歸分析確定的關(guān)系：月收入=底薪+提成率×月銷售件數(shù)不確定關(guān)系：成績=a+b×智力+e誤差項?。?！三、回歸分析的目的對變量間的關(guān)系進行度量控制解釋變量預(yù)測被解釋變量四、多元線性回歸的基本假定線性趨勢獨立性正態(tài)性方差齊性（如不用于預(yù)測，后兩個條件可以放寬）五、回歸分析的分類一元回歸分析多元回歸分析（一）一元回歸模型一個自變量，一個因變量（一）多元回歸模型多個自變量，一個因變量自變量進入模型的方式一般選用stepwise（逐步回歸）六、回歸模型的有效性七、幾個參數(shù)的解釋R：相關(guān)系數(shù)Rsquare（R2）：決定系數(shù)（解釋量）AdjustRsquare（R2）：校正后的決定系數(shù)Rsquarechange（?

R2）：每個自變量的決定系數(shù)B：回歸系數(shù)Constant：常數(shù)項Beta：標(biāo)準(zhǔn)化的回歸系數(shù)八、卡方檢驗參數(shù)檢驗和非參數(shù)檢驗參數(shù)檢驗：指總體分布服從正態(tài)分布或總體分布已知條件下的統(tǒng)計檢驗。常用連續(xù)變量的檢驗。非參數(shù)檢驗：指總體分布不要求服從正態(tài)分布或總體分布情況不明時的統(tǒng)計檢驗方法。常用分類或等級變量的檢驗。非參數(shù)檢驗的優(yōu)缺點優(yōu)點：不受總體分布的限制，適用范圍廣。適宜定量模糊的變量和等級變量。方法簡便易學(xué)。缺點：檢驗效能低卡方（2）檢驗

以2分布為基礎(chǔ)的一種常用的假設(shè)檢驗方法，主要用于分類變量，根據(jù)樣本數(shù)據(jù)推斷總體的分布與期望分布是否有顯著差異，或推斷兩個分類變量是否相互關(guān)聯(lián)或相互獨立。例子EXAMPLE正常情況下，地球上的男性和女性之間的比例（性別比）應(yīng)該為1：1。2009年在某市的幾個醫(yī)院分時段隨機抽取了529名新生兒，發(fā)現(xiàn)其中男孩288人，女孩241人。請問，這個地區(qū)的性別新生兒性別比是否失調(diào)？據(jù)說現(xiàn)在的性別比是1.2:1，那么該地區(qū)的性別比是否符合這個比例？一、單樣本的2檢驗

適用于檢驗單樣本數(shù)據(jù)與期望分布之間是否存在差異。注意：ExpectedValuesAllcategoriesequal：每個觀測值的比率相等，如1：1或者1：1：1等。Values：自己定義比率，但需要注意的是，數(shù)值的排列次序和數(shù)據(jù)文件中各類別的取值排列次序應(yīng)當(dāng)相同，二者一一對應(yīng)。二、多樣本的2檢驗適用于檢驗不同樣本的分配比率之間的差異。小練習(xí)1、練習(xí)數(shù)據(jù)1，以前測成績?yōu)樽宰兞?，后測成績?yōu)橐蜃兞?，進行一元回歸分析，并列出回歸方程。2、練習(xí)數(shù)據(jù)1，以前測成績、動機總分和策略總分為自變量，后測成績?yōu)橐蜃兞窟M行逐步回歸，報告每個自變量的標(biāo)準(zhǔn)化回歸系數(shù)。3、練習(xí)數(shù)據(jù)2：某高校希望教師當(dāng)