回归分析和相关分析.ppt

第五节 可线性化的非线性回归 二元线性回归 Dependent Variable: Y Source DF Sum of Squares Mean Square F Value Pr F Model 2 97 48 32.21 0.0094 Error 3 4 1C Total 5 102 R-Square C.V. Root MSE Y Mean 0.955496 9.353864 1 13 T for Std Error of Parameter Estimate H0: Parameter=0 Pr |T| Estimate INTERCEPT -14 -3.76 0.0329 3X1 0 0.80 0.4831 0X2 4 5.80 0.0102 0回归系数检验（T）如下： 由回归系数的检验知：对于这里提供的样本资料而言，不能认为苗木鲜重与苗高有线性关系；苗木的鲜重与地径的大小存在着线性关系，可利用一元线性回归求出Y与x2之间的线性关系： 例：著名的玉米吸收土壤磷素的试验数据如下，变量x1为土壤内所含无机磷的数量，x2为土壤内溶于K2CO3溶液并受化合物水解的有机磷数量，Y为20℃生长温度下玉米吸收磷量，设Y与x1，x2有线性相关关系，试求回归方程，并进行检验. 因变量 因变量 51 29.9 99 18 29 11.6 93 9 58 26.8 168 17 31 10.1 93 8 36 1.9 54 16 44 9.4 81 7 56 23.1 95 15 65 1.7 77 6 44 21.6 93 14 24 4.7 54 5 50 23.1 77 13 34 0.6 61 4 46 23.1 96 12 19 3.1 71 3 37 10.9 76 11 23 0.4 60 2 58 12.6 51 10 53 0.4 64 1 x2 x1 因变量 样本号 x2 x1 因变量 样本号 利用SAS软件，可得回归方程. 回归方程检验的方差分析表如表： 17 12389.61111 总和 427.59617 15 6413.94258 剩余 3.68 6.988 2987.83427 2 5975.66853 回归 F0.05 F值 均方 自由度 平方和 方差来源 可知回归方程显著. 回归系数的T检验结果 X2不显著，可以省略，重新建立回归方程，得： 回归方程极显著. 常见的非线性函数及其转化为线性函数的方法： 1、双曲线 （图） 令 ，则有 同样先做F1检验失拟平方和是否显著。 四、预报与控制 在求得回归方程并检验其显著性后，就可以认为Y和X之间在一定程度上有方程所给出的线性关系，并且可以用它来预测X取不同值时Y的估计值和估计区间，同时也可以按照Y的要求来控制X的变化范围. 1、预报问题： 预报问题一般为对于我们得到的Y和X之间的关系 当x=x0时，y应该等于什么？或者当x=x0时，y大致在一个什么样的范围里？ 因此 而 由此得到 t 分布 可得 其中 此式说明，y 的置信区间不仅与α有关，还与n有关，与x0靠近 的程度有关，也就是回归方程对 附近的x0有较好的预报区间. （如图）当n比较大且x0接近 时，取 2．控制