回歸分析方差分析ppt課件(存儲版)
【正文】 溫度 ℃ 重 復 1 2 3 4 100 25 27 29 31 80 25 27 29 31 40 25 27 29 31 單因變量多因素方差分析 ? 總的離差平方和可表示為 SST=SSA+SSB+SS(AxB)+SSE ? SSA:A因素產(chǎn)生的離差平方和 ? SSB:B因素產(chǎn)生的離差平方和 ? SS(AxB) :A與 B的交互作用產(chǎn)生的離差平方和 ? SSE:抽樣產(chǎn)生的隨機差異 單因變量多因素方差分析 零假設(shè) : ? H0A:不同溫度對粘蟲發(fā)育歷期無影響 ? H0B:不同濕度對粘蟲發(fā)育歷期無影響 ? H0(AxB):不同溫度和濕度的交互作用對粘蟲發(fā)育歷期無影響 單因變量多因素方差分析 ? F檢驗：構(gòu)造 F統(tǒng)計量如下： MSEMSAlrsSSErSSAFA ????)1(/)1/(MSEMSBlrsSSEsSSBFB ????)1(/)1/(MSEBAMSlrsSSEsrBASSFBA)()1(/)1)(1/()( ????????實例分析 ? 研究不同溫度與不同濕度對粘蟲發(fā)育歷期的影響，得試驗數(shù)據(jù)如表 1。 ? Multivariate:可進行多 因變量的多因素分析 ? Repeated Measure:可進行重復測量方差分析 ? Variance Component：可進行方差成分分析。另一種情況是處理確實有作用，那么， MSA/MSE (遠遠大于 1,足以超過某個臨界值 )。 19 28 .2 06 1. 90 9 *y Be gi nn i ng Sa l ar y?? 曲線回歸 曲線回歸的目標 選定某一用方程表達式的曲線，使得實際數(shù)據(jù)與理論數(shù)據(jù)之間的差異盡可能的小。 “ Standardized DiFit”標準化的 DiFit值。 “ Standardized”標準化殘差。 ? ② “ Distances”距離欄選項： ? Mahalanobis: 距離。 ? “ Normal probability plots”比較標準化殘差與正態(tài)殘差的分布示意圖。 “ ZPRED”標準化預測值。 四、功能菜單 菜單 “ AnalyzeRegressionLinear” 對話框 ? 設(shè)置因變量： “ Dependent”欄 ? 設(shè)置自變量： “ Independent(S)”框 “ Selection Variable”為控制變量輸入欄。 SPSS中提供了五種選擇： – 強制進入 ENTER: 進入 “ Enter”所選擇的自變量將全部進入建立的回歸方程中，該項為默認方式。 ? Residuals復選框組：用于選擇輸出殘差診斷的信息，可選的有 DurbinWatson殘差序列相關(guān)性檢驗、超出規(guī)定的 n倍標準誤的殘差列表。 ? “ ADJPRED”修正后預測值。 SAVE按鈕 ? ① “ Predicted Values”預測值欄選項： Unstandardized 非標準化預測值。 ? ③ “ Prediction Intervals”預測區(qū)間選項： Mean: 區(qū)間的中心位置。 “ Studentized deleted”學生氏化刪除殘差。 ? Include constant in equation復選框：用于決定是否在模型中包括常數(shù)項，默認選中。 ????????本質(zhì)非線性關(guān)系本質(zhì)線性關(guān)系非線性關(guān)系簡單線性關(guān)系注： ? 本質(zhì)線性關(guān)系又稱為擬線性關(guān)系，可轉(zhuǎn)換成線性關(guān)系，用最小二乘法的方法求出相關(guān)系數(shù) ? 本質(zhì)非線性關(guān)系不能轉(zhuǎn)換成線性關(guān)系，僅能用迭代方法或分段平均值法求出 SPSS功能 ? 本質(zhì)線性關(guān)系 AnalyzeRegressionCurve Estimation ? 本質(zhì)非線性關(guān)系 AnalyzeRegressionNonLinear 變量關(guān)系的基本研究方法 ? 做散點圖，初步判斷兩變量的關(guān)系，曲線的形狀 ? 從專業(yè)的知識分析，或長期積累的經(jīng)驗找出變量間的函數(shù)類型 ? 建立簡單、適合的模型 SPSS中的 11種擬線性模型 模型名稱 回歸方程 相應的線性回歸方程 Linear(線性 ) Y=b0+b1t Quadratic(二次 ) Y=b0+b1t+b2t2 Compound(復合 ) Y=b0(b1t) Ln(Y)=ln(b0)+ln(b1)t Growth(生長 ) Y=eb0+b1t Ln(Y)=b0+b1t Logarithmic(對數(shù) ) Y=b0+b1ln(t) Y=b0+b1m Cubic(三次 ) Y=b0+b1t+b2t2+b3t3 SPSS中的 11種擬線性模型 (續(xù) ) 模型名稱 回歸方程 相應的線性回歸方程 S型 Y=eb0+b1/t Ln(Y)=b0+b1 / t Exponential(指數(shù) ) Y=b0 * eb1*t Ln(Y)=ln(b0)+b1t Inverse(逆 ) Y=b0+b
教學課件相關(guān)推薦
鄂ICP備17016276號-1