第一节比估计的一般形式 第二节分层比估计 第三节回归估计的一般形式 第四节分层回归估计

第一节 多元线性回归模型 第二节 参数估计 第三节 回归拟合度评价和决定系数 第四节 统计推断和预测

第一节 两变量线性回归模型 第二节 参数估计 第三节 最小二乘估计量的性质 第四节 回归拟合度评价和决定系数 第五节 统计推断 第六节 预测

第一节 相关关系、基本概念 一. 变量相关的概念 二. 相关系数及其计算 第二节 简单线性回归分析 第三节 非线性回归分析

相关分析与回归分析是以概率论与数理统计为基础 迅速发展起来的应用性较强的科学方法,是现代应用统计 学的重要分支,是研究事物间量变规律的科学方法。回归 分析着重在寻找变量之间近似的函数关系相关分析则不 着重这种关系而致力于寻找一些数量指标,以刻划有关变 量之间关系深浅的程度变

一、引言 多元回归分析在社会科学中已经得到广泛应用,成为标准的统计工具。作为多元分析,它能够对社会现象提供较深入的解释力同时,它的计算机软件现在 已广为流传,它的统计结果又可以比较直观地得到解释。多元回归的确具有许多良好的统计性质,甚至在应用中的一些必要的假设条件不能完全满足时,它也仍 然可以得到不失为合理的结果

科学的最终目的在于揭示事物变化的内在规律,因果关系是事物内在规律的 种基本形式。然而,事物的内在联系并不能直接观察到,所以需要在科学研究中应用 各种方法来加以探索和分析。通径分析便是一种探索系统因果关系的统计方法。 因果关系模型中明确设置自变量和因变量,通过模型分析,检査自变量对于 因变量的作用方向、作用强度和解释能力。并且,因果关系模型还可以用来进行 预测。本书第二章多元回归分析便是因果关系模型的一种。但是,多元回归模型 是一种比较简单的因果关系模型,它所假设的因果关系不存在多环节的因果结 构,尽管多元回归模型中可以包含多个自变量,然而各个自变量对因变量的作用 却是假设为并列存在的

§11.1变量间关系的度量 §11.2一元线性回归 §11.3利用回归方程进行估计和预测 §11.4残差分析

回归分析是处理两个及两个以上变量间线性依存关系的统计方法。在医学领 域中，此类问题很普遍，如人头发中某种金属元素的含量与血液中该元素的含量 有关系，人的体表面积与身高、体重有关系；等等。回归分析就是用于说明这种依存变化的数学关系

用回归方程定量地刻划出一个因变量Y与 多个自变量X1，X2…之间的线性依存关 系，称为多重线性回归。其中自变量可 以是随机变动的，也可以是人为选定的， 而因变量是随机变量。 若所有变量都是随机的，还可做多重相 关来描述因变量与一组自变量之间的线 性关系；用偏相关(partial correlation) 描述因变量和一个自变量在扣除其他自 变量影响之后的线性相关