并通过一定的数学表达式将这种关系描述出来,建立回归模型.pptVIP

第9章 相关分析与一元回归分析 9.2 回归分析 回归分析是针对两个或两个以上具有相关关系的变量，研究它们的数量伴随关系，并通过一定的数学表达式将这种关系描述出来，建立回归模型． 回归分析中总假设因变量是随机变量，自变量可以是随机变量也可以是一般变量（可以控制或精确测量的变量） 我们只讨论自变量为一般变量的情况． 为简单起见，以后的所有随机变量及其观测值均用小写字母表示． 9.2 回归分析 如果设随机变量y是因变量，x1，x2，…，xn是影响y的自变量，回归模型的一般形式为： y = f (x1，x2，…，xn) + ε 其中ε为均值为0的正态随机变量，它表示除x1，x2，…，xn之外的随机因素对y的影响． 在回归分析中，当只有一个自变量时，称为一元回归分析；当自变量有两个或两个以上时，称为多元回归分析；f是线性函数时，称线性回归分析，所建回归模型称为线性回归模型；f是非线性函数时，称非线性回归分析，所建回归模型称为非线性回归模型． 9.2 回归分析 线性回归模型的一般形式为： 其中，?0和?i（i = 1，2，…，k）是未知常数，称为回归系数，实际中常假定? ～N(0，?2)． 一元线性回归模型的一般形式为： 由? ～N(0，?2)的假定，容易推出y ～N(?0 + ?1x, ?2) 9.2 回归分析 本章主要讨论一元线性回归分析和可化为线性回归的一元非线性回归分析． 它们是反映两个变量之间关系的简单模型，但从中可以了解到回归分析的基本思想、方法和应用． 9.2 回归分析 9.2.1 一元线性回归分析 我们用一个例子来说明如何进行一元线性回归分析 为了研究合金钢的强度和合金中含碳量的关系，专业人员收集了12组数据如表9.1所示． 试根据这些数据进行合金钢的强度y(单位：107Pa)与合金中含碳量x(%)之间的回归分析． 9.2.1 一元线性回归分析 为了研究这些数据中所蕴含的规律性，首先在Excel中由12对数据作出散点图，如图9.7所示． 从图看到，数据点大致落在一条直线附近，这告诉我们变量x和y之间大致可看作线性关系．从图中还看到，这些点又不完全在一条直线上，这表明x和y的关系并没有确切到给定x就可以唯一确定y的程度． 9.2.1 一元线性回归分析 事实上，还有许多其它随机因素对y产生影响． 如果只研究x和y的关系，可以考虑建立一元线性回归模型： (9.1) 其中ε是除含碳量x外其它诸多随机因素对合金钢强度y的综合影响，假定它是零均值的正态随机变量． 9.2.1 一元线性回归分析 (9.1) 由(9.1)式，不难算得y的数学期望: (9.2) 该式表示当x已知时，可以精确地算出E(y)．称方程(9.2)为y关于x的回归方程． 现对变量x, y进行了n次独立观察，得样本(xi，yi) (i = 1，2，…，n)．据(9.1)式，此样本可由方程 (9.3) 来描述．这里εi是第i次观测时ε的值，它是不能观测到的． 9.2.1 一元线性回归分析 由于各次观测独立，εi看作是相互独立与ε同分布的随机变量．即有 yi = ?0 + ?1xi + ?i，?i相互独立，且 ?i ～N(0，?2)， i = 1，2，…，n (9.4) (9.4)给出了样本(x1，y1)，(x2，y2)，…，(xn，yn)的概率性质．它是对理论模型进行统计推断的依据，也常称(9.4)式为一元线性回归模型． 9.2.1 一元线性回归分析 要建立一元线性回归模型，首先利用n组独立观测数据(x1，y1)，(x2，y2)，…，(xn，yn)来估计?0和?1，以估计值 和 分别代替(9.2)式中的?0和?1，得到 (9.5) 由于此方程的建立有赖于通过观察或试验积累的数据，所以称其为经验回归方程（或经验公式） 经验回归方程