（一）样本回归系数的假设检验 根据例9.1资料求得的是样本回归系数b，有抽样误差的，需作假设检验，检验其是否是从回归系数为0的假设总体（即β=0）中随机抽得的，也就是检验b与0的差别有无显着性。如果差别有显着性，可认为X与Y间有直线回归存在。 样本回归系数的假设检验亦用t检验。 H 0 ：β=0即Y的变化与X无关； H 1 ：β≠0。 计算公式为： （9.7...
计算出相关系数后，如果r显着，且又需要进一步了解两变量中一个变量依另一个变量而变动的规律时，则可进行回归分析。 “回归”是个借用已久因而相沿成习的名称。若某一变量（Y）随另一变量（X）的变动而变动，则称X为自变量，Y为应变量。这种关系在数学上被称为Y是X的函数，但在医学领域里，自变量与应变量的关系和数学上的函数关系有所不同。例如成年人年龄和血压的关系，通过大...
...据前面的相关分析以及医学上有关凝血的机理，可知凝血时间依凝血酶浓度而异，且有密切的关系。因此可进一步作由凝血酶浓度（X）推算凝血时间（Y）的回归方程。求直线回归方程的步骤如下： 1．列回归计算表（见表9.1），计算∑X、∑Y、∑X 2 、∑Y 2 、∑XY。 2．计算X、Y、∑(X-X) 2 、∑(X－X)(Y-Y) X=∑X/n=15.1/15=1.01 ...
样本回归系数也有抽样误差问题，故需对b作假设检验，以评估b是否可能从回归系数为零（即β=0）的总体中随机抽得的。 检验步骤： H 0 ：β=0 即b是由β=0的总体中随机抽样的样本回归系数。 H 1 ：β≠0 α=0.05 t检验：检验公式为 t b =｜b｜/s b 公式（22.6） 式中s b 是回归系数的标准误，计算公式为 公式（22.7） 式中s y...
假设检验 是数理统计学中根据一定假设条件由样本推断总体的一种方法。具体作法是：根据问题的需要对所研究的总体作某种假设，记作H0；选取合适的统计量，这个统计量的选取要使得在假设H0成立时，其分布为已知；由实测的样本，计算出统计量的值，并根据预先给定的 显著性水平 进行检验，作出拒绝或接受假设H0的判断。常用的假设检验方法有u—检验法、t—检验法、X2检验法、F...
...遇到样本均数与总体均数间或样本均数与样本均数间不相等时，要考虑两种可能：①由于抽样误差所致；②两者来自不同总体。如何作出判断？统计上是通过 假设检验 （hypothesis testing），又称显着性检验（significance test），来回答这个问题。 下面以样本均数x与总体均数μ比较的假设检验为例，介绍假设检验的基本步骤。 一、建立假设和确定检验...
...往往不相等。因此在实际工作中遇到样本均数与总体均数间或样本均数与样本均数间不相等时，要考虑两种可能：①由于抽样误差所致；②两者来自不同总体。如何作出判断？统计上是通过假设检验（hypothesis testing），又称显着性检验（significance test），来回答这个问题。 下面以样本均数x与总体均数μ比较的假设检验为例，介绍假设检验的基本步骤。
直线回归方程的通式为： =a+bX 公式（22.3） 式中Y为自由变量X推算因变量Y的估计值，a为回归直线在Y轴上的截距，即X=0时的Y值；b为样本回归系数（regression coefficient），即回归直线的斜率（slope或称坡度），表示当X变动一个单位时，Y平均变动b个单位。如果已知a与b，用以代入公式（22.3），即可求得直线回归方程。求a和...
...往往不相等。因此在实际工作中遇到样本均数与总体均数间或样本均数与样本均数间不相等时，要考虑两种可能：①由于抽样误差所致；②两者来自不同总体。如何作出判断？统计上是通过假设检验（hypothesis testing），又称显着性检验（significance test），来回答这个问题。 下面以样本均数x与总体均数μ比较的假设检验为例，介绍假设检验的基本步骤。
一、样本率与总体率的比较 观察样本数较大时，样本率的频数分布近似 正态分布 ，可应用正态分布的规律性检验率的差异显着性。其公式为： 公式（20.7） 式中p为样本率，π为总体率，σ p 为根据总体率计算的 标准误 。由于u服从正态分布，故可用表20-10作判断。 表20-10 ｜u｜值、P值与统计结论 ｜u｜值 P值 统计结论 ＜1.96 ＞0.05 不拒绝...
所有搜索结果仅供参考，如需解决具体问题请咨询相关领域专业人士。