4回归分析.pptVIP

2.利用线性回归方程进行控制 利用线性回归方程进行控制的问题，就是要随机变量Y的值 y落在指定区间(y1, y2)内，则应当把变量X的值x控制在什么区间内? 这个问题实际上就是与上述预测相反的问题.对于给定的置信水平 1-α,则x的控制区间可以用下图中所示的对应关系来确定. L1 L2 x1 y1 x y O y2 x2 x2 y1 x y O y2 x1 L1 L2 例如,如果给定置信水平1-α=0.95则从方程 与 分别解出x1与x2.由上图已知:当 时,控制区间为(x1 ,x2); 当 时,控制区间为(x2 ,x1).显然,为了实现控制,我们必须使区 间(y1 ,y2)的长度大于3.92 , 即y2-y13.92 . 例4.2.1 家庭收入和食品支出的关系 1、画散点图 例4.2.1 家庭收入和食品支出的关系 1、画散点图 2、检验 例4.2.1 家庭收入和食品支出的关系 回归分析命令 例4.2.1 家庭收入和食品支出的关系 因变量 自变量 例4.2.1 家庭收入和食品支出的关系 预测点 置信水平 回归分析: 食品支出 与 家庭收入 回归方程为 食品支出 = 2.17 + 0.202 家庭收入 自变量 系数 系数标准误 T P 常量 2.1727 0.7202 3.02 0.017 家庭收入 0.20230 0.02327 8.69 0.000 S = 0.733038 R-Sq = 90.4% R-Sq（调整） = 89.2% 方差分析 来源 自由度 SS MS F P 回归 1 40.601 40.601 75.56 0.000 残差误差 8 4.299 0.537 合计 9 44.900 新观测值的预测值 新观 拟合值 测值 拟合值 标准误 95% 置信区间 95% 预测区间 1 10.669 0.376 (9.803, 11.535) (8.770, 12.569) 新观测值的自变量值 新观 测值 家庭收入 1 42.0 回归方程 t检验 r检验 F检验 点预测值 预测区间 自变量值 作业：习题四（P150） 1、3、4 §4.3 一元非线性回归 在实际问题中,Y与X常存在非线性关系,不能直接使用线性回归,但其中许多问题可转化为线性回归处理。 例4.3.1 1)画散点图 选择双曲线 例4.3.1 2)取倒数后得到新的数据表 例4.3.1 回归方程为 u = 0.0823 + 0.1314 v 方差分析 来源 自由度 SS MS F P 回归 1 0.0035556 0.0035556 196.23 0.000 残差误差 13 0.0002356 0.0000181 合计 14 0.0037912 * * * * * * 数理统计Mathematical Statistics 山东建筑大学理学院 庞常词 pangchangci@163.com§4.4 多元线性回归 第四章 回归分析 §4.1 回归分析概述 § 4.2 一元线性回归 §4.3 一元非线性回归 变量之间的关系 确定性关系 函数关系 非确定性关系 相关关系 §4.1 回归分析概述 ? 相关关系的例子 父亲身高(y)与子女身高(x)之间的关系 收入水平(y)与受教育程度(x)之间的关系 粮食亩产量(y)与施肥量(x1) 、降雨量(x2) 、温度(x3)之间的关系 商品的消费量(y)与居民收入(x)之间的关系 商品销售额(y)与广告费支出(x)之间的关系 数理统计中研究变量之间相关关系的一种有效的方法就是回归分析 设变量Y与X有相关关系， 问题: 怎样根据这些数据用〝最佳的〞形式来表达变量Y与X之间的相关关系? 进行n次试验，得到试验数据如下： 回归分析的任务是根据Y 的值去估计回归函数 y=f(x). 不确定性关系中作为影响因素的称自变量, 用X 表示, 受X 影响的响应变量称为因变量, 用Y 表示, 是随机变量. 回归分析 线性回归 非线性回归 一元线性回归 多元线性回归 一元非线性回归 多元非线性回归 回归这一术语是1886年英国生物学家高尔顿在研究遗传现象时