【数据模型与决策讲解】线性回归.pptVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
Linear Regression 线性回归 7.1概述 函数关系与相关关系 散点图 相关关系的度量: 上图,广告费增加时销售额有增长的趋势(正相关)。此外还有负相关,不相关: 如何设法使之能定量说明? I象限X- 0, Y- 0. ∴∑(X- )(Y- )0 II象限X- 0, Y- 0. ∴∑(X- )(Y- )0 III象限X- 0, Y- 0. ∴∑(X- )(Y- )0 IV象限X- 0, Y- 0. ∴∑(X- )(Y- )0 正相关时,I,III两象限的点比较多,于是 ∑(X- )(Y- )0 负相关时,II,IV两象限的点比较多,于是 ∑(X- )(Y- )0 但是,用∑(x- )(y- )来度量相关性,会因量纲的改变(如从百万元改为亿元)引起数值的急剧变化,为克服这一缺点,可用的方法之一是“归一”化(化为无量纲的系数,且该系数在-1至1之间): 记 为相关系数 可以证明-1≤R≤1 趋势线记为(参见图7-1) 注意参数 , 虽然可认识到它的存在,但是是未知的。 可表达为 此处E ~ N (0, ) ,常称为 “噪音” 7.2 关于B0、B1估计的最小二乘法 高斯“定义”了最好的估计直线即整体上最贴近所有点的直线的标准与方法: min∑ ,即挑选b0,b1,使∑ 最小者为最佳的b0,b1 即minQ(b0,b1)= ∑ = 由 { 可得到关于b0与b1的二元一次 线性方程组,从而求出b0,b1,这样构成的y=b0+b1x称回归直线。 于是得到了一组关于B0,B1的估计值,即 可以证明,( , )在回归线上 软件Excel 可以计算回归问题 ·最小二乘法的启示: 适当定义“贴近”即定义距离,进行实证性数 据处理,多目标综合评估。 例:评委给选手打分 例:中介服务、余缺调剂等。 ·有关线性回归模型的几个常见问题 ·变量的选择 ·线性关系 ·相关性大小(R2) ·异方差性 * Chapter 7 y 销售额 广告费 趋势线 x 图7-1 相关关系 例: x y 图7-2 a :负相关 y x 图7-2 b:不相关 y x Y- X- 图7-3 新坐标下的散点图 先算出 与 ,平移坐标原点至( , ) 图7.4 ei2与最小二乘法 yi xi y x ei b0+b1xi ,

文档评论(0)

精品资料 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档