古典线性回归模型的假定 OLS的代数推导 OLS的几何解释 拟合优度 OLS的小样本性质 对单个系数的 t检验 对线性假设的 F检验 分块回归与偏回归(选读) 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

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

本章介绍了回归分析的基本思想与基本方法。首先，本章从总体回归模型与总体回归 函数、样本回归模型与样本回归函数这两组概念开始，建立了回归分析的基本思想。总体回 归函数是对总体变量间关系的定量表述，由总体回归模型在若干基本假设下得到，但它只是 建立在理论之上，在现实中只能先从总体中抽取一个样本，获得样本回归函数，并用它对总 体回归函数做出统计推断

1. 回归模型、回归方程、估计的回归方程 2. 回归方程的拟合优度 3. 回归方程的显著性检验 4. 多重共线性问题及其处理 5. 利用回归方程进行估计和预测 6. 虚拟自变量的回归问题 7. 用 Excel 进行回归分析

(1)Y对x的线性回归方程; (2)解释回归系数的含义; (3)对所求回归方程作显著性检验; (4)对人均年生产总值3000美元时预测人均年耗能量的范围(a=0.05)

问题的提出必要性 通过协方差或相关系数证实变量之间存在关系,仅仅 只是知道变量之间线性相关的性质——正(负)相关 和相关程度的大小。 既然它们之间存在线性关系,接下来必须探求它们之 间关系的表现形式是什么?

第一章 绪论 第二章 定量资料的统计描述 第三章 定性资料的统计描述 第三章 定性变量的统计描述 第四章 常用概率分布 第五章 参数估计基础 第六章 假设检验基础 第七章 方差分析 第八章 方差分析-Analysis of variance(ANOVA) 第九章 非参数检验 第十章 两变量关联性分析 第十一章 简单线性回归 第十二章 多重线性回归与相关 第十三章 医学研究的统计学设计 第十四章 实验设计 第十五章 调查设计

一、Ŷ0是条件均值E(Y|X=X0)或个值Y0的一个无偏估计 二、总体条件均值与个值预测值的置信区间

一、拟合优度检验 二、变量的显著性检验 三、参数的置信区间