[数学建模]数学建模与数学实验 回归分析.ppt

四 软件开发人员的薪金 问题： 一家高技术公司人事部门为研究软件开发人员的薪金与他们 的资历、管理责任、教育程度等因素之间的关系，要建立一 个数学模型，以便分析公司人士策略的合理性，并作为新聘 用人员工资的参考。他们认为目前公司人员的薪金总体上是 合理的，可以作为建模的依据，于是调查了46名开发人员的 档案资料，如表。其中资历一列指从事专业工作的年数，管 理一列中1表示管理人员，0表示非管理人员，教育一列中1 表示中学程度，2表示大学程度，3表示更高程度（研究生） 分析与假设： 按照常识，薪金自然按照资历（年）的增长而增加，管理人 员的薪金高于非管理人员，教育程度越高薪金越高。 为了简单起见，我们假定资历（年）对薪金的作用是线性的，即资历每加一年，薪金的增长是常数；管理责任、教育程度、资历诸因素之间没有交互作用，建立线性回归模型。 基本模型： 结果分析： 从表中， 进一步讨论： 的置信区间包含零点，说明上述基本模型存在缺点。为了 为了对残差进行分析，下图给出 以上分析提示我们，应在基本模型中增加管理 更好的模型： 由上表可知，这个模型的 做该模型的两个残差分析图，可以看出，已经消除了不正常 现象，这也说明了模型的适用性。 从上图，还可以发现一个异常点：具有10年资历、大学程度的管理人员（编号33）的实际薪金明显低于模型的估计值，也明显低于与他有类似经历的其他人的薪金。这可能是由我们未知的原因造成的。为了使个别数据不致影响整个模型，应该将这个异常数据去掉，对模型重新估计回归系数，得到的结果如表。残差分析见图。可以看到，去掉异常数据后结果又有改善。 可以看出，大学程度的管理人员薪金比研究生程度管理人员薪金高，而大学程度的非管理人员薪金比研究生程度非管理人员薪金略低。当然，这是根据这家公司实际数据建立的模型得到的结果，并不具普遍性。 评注： 五 教学评估 为了考评教师的教学质量，教学研究部门设计了一个教学评 估表，对学生进行一次问卷调查，要求学生对12位教师的15 门课程（其中3为教师有两门课程）按以下7项内容打分，分 值为1—5分（5分最好，1分最差）： 收回问卷调查表后，得到了学生对12为教师、15门课程各项评分的平均值，见表。  逐步回归的基本思路是，先确定一个包含若干自变量的初始集合，然后每次从集合外的变量中引入一个对因变量影响最大的， 再对集合中的变量进行检验，从变得不显著的变量中移出一个 影响最小的，依次进行，直到不能引入和移出为止。引入和移 出都以给定的显著性水平为标准。 终得到的模型为 在最终模型里回归变量只有 变量 如果初步看来影响因变量的因素较多，并得到了大量的数据。 为了建立一个有效的、便于应用的模型，可以利用逐步回归只 选择那些影响显著的变量“入围”。 如果怀疑原有变量的平方项、交叉项等也会对变量有显著影响 也可以将这些项作为新的自变量加入到候选行列，用逐步回归 来处理。 练习： 下表给出了某工厂产品的生产批量与单位成本（元）的数据， 从散点图，可以明显的发现，生产批量在500以内时，单位成 本对生产批量服从一种线性关系，生产批量超过500时服从另 一种线性关系，此时单位成本明显下降。希望你构造一个合适 的回归模型全面地描述生产批量与单位成本的关系。 与教育 的交互项，建立新的回归模型。 增加 与 的交互项后，模型记作 利用MATLAB的统计工具箱得到的结果如表： [1571 2101] 1836 [-3372 -2769] -3071 [-545 -152] -348 [-1939 -1514] -1727 [6841 7255] 7048 [486 508] 497 [11044 11363] 11204 置信区间 参数估计值 参数 和 值都比上一个模型有所改进， 并且所有回归系数的置信区间都不含零点，表明这个模型完全 可用。 与 的关系 与 组合的关系 [1894 2100] 1997 [-3171 -2942] -3056 [-431 -281] -356 [-1818 -1656] -1737 [6962 7120] 7041 [494 503] 498 [11139 11261] 11200 置信区间 参数估计值 参数 与 的关系 与 组合的关系 模型的应用： 对于第二个模型，用去掉异常数据（33号）后估计出的系数 得到的结果是满意的。模型的应用之一，可以用来“制订”6 种管理—教育组合人员的“基础”薪金（即资历为零的薪金）， 这是平均意义上的。利用第二个模型和去掉异常数据后得到的 回归系数，可以得到如下结果： 18241 3 1 6 11200 3 0 5 19882 2 1 4 10844 2 0