第八章回归分析.docVIP

第八章 回归分析 回归分析是处理变量间相关关系的数理统计方法。相关变量间既有相互依赖性，又有某种不确定性。回归分析是通过对一定数量的观测数据进行统计处理，以找出变量间相互依赖的统计规律。在测试技术的研究中，常需要拟合实验曲线、确定经验公式等，回归分析是处理这类问题不可缺少的方法。 8.1 一元线性回归 一、一元线性回归方程的求法 一元线性回归是处理随机变量和变量之间线性相关关系的一种方法。若变量大体上随变量变化而变化，我们可以认为是因变量，实自变量。在实际分析中，通过对一组的观测数据进行一元回归分析，可得到这两个变量之间的经验公式。如果这两个变量间的关系是线性的，那么上述回归问题就称为一元线性回归，也就是通常所说的为观测数据配一条直线，或直线拟合等。 例8-1 为获得某大量程电容式位移传感器的输入输出关系，测得一组实验数据如下 位移 0 1 2 3 4 5 6 7 输出电压 0 0.09989 0.19983 0.29994 0.40008 0.50025 0.60036 0.70039 先把数据点标在坐标纸上，如图8-1所示，这种图叫做散点图。从散点图上可大致看出输出电压与位移之间基本呈直线关系。假设之间的关系是线性的，而数据点与直线的偏离是由测量过程中的随机因素引起的，这样便可按一元线性回归问题进行处理。 一元线性回归的数学模型为 （8-1） 式中 ——满足线型数学模型的变量； ——待定常熟和系数； ——测量的随机变量。 当的值为时，相应的有 可以假设，测量误差服从统一正态分布，且彼此相互独立。这样就可用最小二乘法来估计式（8-1）中的参数。若分别为参数的最小二乘估计量，那么就可得一元线性回归方程 （8-2） 式中，为回归方程中的常数和回归系数。 当取值为时，可有相应的回归值 某一观测值与回归值之差用表示，则有 它表示某一点与回归直线的偏离程度。设全部观测值与回归直线的偏离平方和记为Q，则 （8-3） Q只的大小反映了全部观测值与回归直线的偏离程度。要使回归直线与全部观测值拟合得最好，即两者的偏离程度最小，可利用最小二乘法原理，通过选择和值，使Q达到最小。即由式（8-3）分别对求一阶偏导数，并令它们等于零，则有 （8-4） （8-5） 由式（8-4）有 把代入式（8-5），经整理得 （8-6） 式中 （8-7） 同理 （8-8） 这样，式（8-6）可写成 （8-9） 或写成 （8-10） 式中 （8-11） （8-12） （8-13） 在计算回归方程参数时并无用处，但在进一步分析中要用到。 至此，可根据求出的回归系数确定一元线性回归方程 简单的回归问题，可由人工计算，计算时需列表进行，这样既简便又便于核对。复杂的回归问题可借助电子计算机进行计算。 回归直线方程还可写成另一种形式，即把代入到式（8-2）中，则有 这是我们熟悉的直线的点斜式方程，它表明回归直线通过点。明确这一点，便于我们在坐标纸上绘出回归直线。绘图时，只须在数据域任取一点代入回归方程，求出相应的，得到回归线上的一点，而另一点为，过这两点的直线便是欲求的回归直线。 二、数据变换及处理 通常遇到的值不便于计算，为了简化计算，可以将数据作适当的变换。有时数据稍作变换，还可保证有效数字的位数，以提高计算精度，特别在使用电子计算机和计算器时。常用的变换方法是把数据加（减）一个常数c或乘（除）一个常数d，对计算结果并无影响。设为原始数据，为变换后的数据，令 则有 代入式（8-11）、（8-12）、（8-13），有 同理有 分别按（8-11）、（8-12）、（8-13）求得。 例8-2 用例8-1中的大量程电容式位移传感器的实测数据，求出输出电压与位移之间的关系。 解 具体步骤如下： 1.由例8-1知变量与之间大体呈线性关系，设它们满足一元线性回归方程 把和的数据列入表8-1中。本数据比较简整，本可不做数据变换，但考虑到用电子计算机进行定点运算时，由于字长有限