[应用统计学]一元线性回归

1.数据字典：

回归：具有某一极端特征的个体在未来某一时刻将减弱它的极端性，这一趋势被称作“回归效应”。
四个字概括：物极必反。
如：Galton的豌豆实验，大颗粒豆子的子代会较小，小颗粒豆子的子代会较大。
ρ：总体相关系数
r: 样本相关系数，简称相关系数。
自变量：可控变量。
因变量：不可供变量，受到自变量影响。
Pearson相关系数：r=( x、y的协方差)/(x的标准差*y的标准差)

2.意义

反映两件事物之间的线性相关性。
如：小孩身高与父母身高的相关性；小孩身高与运动时间和饮水量的相关性。

3.先关系数的显著性检验

显著性检验：检验两个变量之间是否存在线性相关关系
方法：采用R.A.Fisher提出的 t检验
步骤：

1. 提出假设：H0：ρ = 0 ；H1：ρ ≠0
2. 计算检验的统计量：
   [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ukyf8qz8-1589094234901)(evernotecid://E25D8D55-D9E0-4C87-8FA3-B57123881B5F/appyinxiangcom/8212281/ENResource/p2993)]
3. 计算P值，做出决策：
   若P<α，则拒绝H0
4. 经验法则:r < |0.8| ; r ∈ (0.3,0.5) ; r<0.3

回归分析

已知两个变量具有相关关系，进一步确定反映它们之间关系的模型。

一元线性回归模型的估计

参数的最小二乘估计方法