直线回归和相关------(六)协方差分析
一、协方差分析的意义
协方差(covariance)是两个变数的互变异数。对于一个具有N对(X,Y)的有限总体,定义:
对于由n对(x,y)组成的样本,则可定义为:
由上可知,样本协方差是乘积和与自由度的商,平均的乘积和。又称
为均积(mean product)或协方,记作MP,是总体cov的估值。
协方差分析(analysis of variance)是将回归分析和方差分析综合起来的一种统计方法
根据变异来源可将自由度和平方和分解,称方差分析(单个变数)。
当有两个变数时,也可按照变异来源,将自由度和乘积和分解,这就是协方差分析。
由于乘积和是回归和相关分析的一个基本特征数,乘积和和平方和同时按变异来源分解,就使回归、相关分析和方差分析能够结合起来应用。
二、协方差分析的功用
(1)当(x,y)为因果关系时,可利用y依x的回归系数矫正y变数的处理平均数,提高精确度。要提高试验的精确度和灵敏度,必须严格控制试验条件的均匀性,使各处理处于尽可能一致的试验条件下。这一做法在统计上叫做试验控制。但在某些情况下,试验控制不一定能实施。在这种情况下,如果没有很好控制的因素x可以量测,而又和实验结果y存在着回归关系,那就可以利用回归,将各个y矫正到x的同样水平(x=)的结果。这一做法在统计上叫做统计控制。统计控制作为试验控制的一种辅助手段,对于减少误差,可得到很好地效果。
(2)当(x,y)为相关关系时,可通过估计不同变异来源的总体方差和协方差,做出相应的相关分析。根据均方MS和期望均方EMS的关系,可获得不同变异来源的总体方差估值,从而进行有关遗传参数的分析。在协方差分析中,根据协方MP和期望协方EMP的关系,同样可得到不同变异来源的总体协方差估值。有了这些估值,可进行相关分析。在分析遗传育种和生态、环保等的研究中非常有用。
三、单项分组资料的协方差分析
(2)乘积和和自由度的分解
x,y的总自由度和平方和,可分解成组内和组间两个部分。总乘积和()分为组间(
)和(
)组内,分解式:
(3)回归关系的协方差分析
变数各自进行F测验,x显著或不显著,y不显著,这一推断未必可靠,需要弄清楚两者的是否有回归关系。如果 x,y 无关,采纳上述推断;如果 x,y 有关,必须进一步追究:将 x 的不同对于y的影响消去后[即通过y依x的回归,将 矫正为
时的值
(矫正平均数) ],
间是否有显著差异?协方差分析可解决这些问题,步骤:
(a)列出处理间、处理内和总变异的DF、,
和SP。
(b)测验x和y是否存在直线回归关系。对处理内项(误差)作回归分析,求得其离回归平方和和自由度
=k(n-1)-1,测验
对
。若接受
,则表明该资料只能用y变数值作方差分析,x变数值不能提供新的信息。若否定
,则表明x和y有着显著的回归关系,需进行下一步。
(c)测验矫正平均数间的差异显著性。对总变异项作回归分析,求得其离回归平方和
和自由度
=(kn-2);再由(
-
)和(
-
)=k-1即得矫正平均数
间的平方和和自由度,因而就能对
间的显著性作出F测验(这时尚未算出各个
的值)。
(d)如果所得的F为不显著,表明间无显著差异;如果F为显著,则必须算出各个
,进行多重比较,作出相应推断。
(e)矫正平均数的计算:
第i行的矫正平均数为:
(将 x 的不同对于y的影响消去)
(f)矫正平均数的比较,假设 对
(i和j代表1,2,...,k,i
j),矫正平均数的差数标准误是:
(3)相关关系资料的协方差分析
与回归关系资料的协方差分析不同,相关关系主要讨论两个互有联系的总体的相关问题。
四、两直线项分组资料的协方差分析
(1)资料模式与线性生成
若资料有m类k组,则 mk 对观察值按两个方向分类:
(2)乘积和和自由度的分解
总SP可分解为类间、组间和误差三部分,值为:
(3)协方差分析
两项分组资料的协方差分析和单项分组资料并无原则上的不同,只是多了一个方向的变异来源。
直线回归和相关------(六)协方差分析相关推荐
- 直线回归和相关------(五)直线回归与相关的内在关系和应用要点(回归系数相关系数关系推导)
一.内在关系 直线回归与相关的性质或方向(正或负)相同,显著性测验等价,说明两者之间存在着必然联系.两者有以下内在联系: (1)相关系数是标准化的回归系数 回归系数b是有单位的,但若对b作消去单位的标 ...
- 直线回归和相关------(一)回归和相关的概念与直线回归(含最小二乘推导)
一.回归与相关的概念 (1)函数关系与统计关系:两个或两个以上变数之间的关系可分为两类:函数关系和统计关系 函数关系是一种确定性关系,即一个变数的任一变量必与另一个变数的一个确定的数值相对应.两者之间 ...
- 直线回归和相关------(二)直线回归的假设测验和区间估计以及matlab实现
一.直线回归的假设测验 (1)回归关系的假设测验 若X和Y变数总体并不存在直线回归关系,则随机抽取一个样本也可用上节的方法算得一个直线方程. 显然,这样的回归方程是靠不住的.所以对于样本的回归方程, ...
- 越狱相关六:iOS微信自动抢红包
(转自吾爱破解) http://bbs.feng.com/forum.php?mod=viewthread&tid=10423171 前言:最近笔者在研究iOS逆向工程,顺便拿微信来练手,在非 ...
- 整除理论与线性丢番图方程相关
一.整除的定义. 整除:对于两个自然数a,ba,ba,b,若存在一个自然数xxx满足ax=bax=bax=b,则称aaa整除bbb,记为a∣ba|ba∣b. 显然{N,∣}\{N,|\}{N,∣}构成 ...
- 减肥成功就靠六西格玛|优思学院
国庆中秋双节刚过去,大多数人都会经历大吃大喝的长假期,不少人产生 "节日饮食悔恨症".两星期的大吃节日,让大多数人因为这般的饮食习惯都失去了活力. 你是否会痛苦地意识到,需要回到正 ...
- spss 中的数据录入格式
数据录入的格式平常是怎么容易看怎么写,但在spss里,还是遵守特定的规则比较好. 1. 单组或多组数据 平时我们多记录成" 第1组.第2组.第3组... " 等等,如表一左侧所示. ...
- 人生苦短,我用Python
目录 计算机基础 Python基础 函数 常用模块 模块和包 面向对象 网络编程 并发编程 数据库 前端 Python Web框架 版本控制-git 爬虫 前端框架-Vue 量化投资与Python 算 ...
- C语言易错题集 第四部
C语言易错题集 第四部 一.位操作相关 二.switch()相关 三.输出相关 四.实数相关 五.指针&a相关 六.指针访问数组元素相关 七.转义字符相关 八.类型提升问题 九.是不是正确的浮 ...
最新文章
- 机器阅读理解(MRC)零基础入门级综述(一)
- OpenCV查找轮廓
- 考研英语一2011年翻译真题详解
- 从宝马与京东携手,透视汽车后市场变革
- js矢量图类库:Raphaël—JavaScript Library
- 关于config_site.h文件【译】
- 10分钟Get拥抱无服务的正确姿势
- MySQL一个语句查出各种整形占用字节数及最大最小值
- C#时间判断的循环刻度判断
- 【数据库系统原理】数据库设计
- [转载]基于TFS实践敏捷-Scrum模式运用
- 每周个人进度总结06
- java 枚举 命名规范_JAVA命名规范
- 汉字计算机内码是国标码吗,汉字机内码与国标码的差别
- Codeforces--1311A--Duff and Weight Lifting
- mysql逻辑模型的概念_概念模型、逻辑模型、物理模型区别?
- mysql c 打开数据库文件怎么打开_vs中打开数据库文件路径
- java 微信 图灵机器人_SAE服务下用java实现微信公众账号图灵机器人
- 这篇文章应该在《新闻联播》连续报道一个月--武汉大学毕业生的反思
- Daemon Tools 4.x 或SPTD.SYS导致Windows不能启动的问题的解决方案
热门文章
- Linux项目实战——初创公司服务器改造优化
- 物联网卡开启消费市场新模式!
- Android跨进程传输大图思考及实现
- 03 ts类型缩小,函数
- 天瑞身份证识别免授权费
- SPSS计算极值、平均值、中位数、方差、偏度、峰度、变异系数
- 高速信号采集卡拥有高速且高精度—微弱信号高动态范围采样新方案突破新技术
- 面向前端的设计规范-文字初探-Part2
- vue3的setup语法糖获取 代替 setup方法下的contenxt的属性useAttrs, useSlots, defineEmits拓展defineProps withDefaults
- php imagick gif,利用php的imagick给gif图片加水印