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系：月收入=底薪+提成率×月銷售件數(shù)不確定關系：成績=a+b×智力+e誤差項?。?！三、回歸分析的目的對變量間的關系進行度量控制解釋變量預測被解釋變量四、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：標準化的回歸系數(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。缺點：檢驗效能低卡方（2）檢驗

以2分布為基礎的一種常用的假設檢驗方法，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當相同，二者一一對應。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1、練習數(shù)據(jù)1，以前測成績?yōu)樽宰兞?，后測成績?yōu)橐蜃兞浚M行一元回歸分析，并列出回歸方程。2、練習數(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準化回歸系數(shù)。3、練習數(shù)據(jù)2：某高校希望教師當