回归分析的基本思想及其初步应用(H).pptVIP

* * 1.1 回归分析的基本思想 及其初步应用 温故知新 两个变量的关系 不相关 相关关系 函数关系 线性相关 非线性相关 函数关系中的两个变量间是一种确定性关系。 相关关系是一种非确定性关系。 例1、某大学中随机选取8名女大学生，其身高和体重数据如下表所示. 59 43 61 64 54 50 57 48 体重/kg 170 155 165 175 170 157 165 165 身高/cm 8 7 6 5 4 3 2 1 编号 求根据女大学生的身高预报体重的回归方程，并预报一名身高为172cm的女大学生的体重. 解：1、选取身高为自变量x，体重为因变量y，作散点图： 2、由散点图知道身高和体重有比较好的线性相关关系，因此可以用线性回归方程刻画它们之间的关系。 根据最小二乘法估计 和 就是未知参数a和b的最好估计， 于是有 所以回归方程是 所以，对于身高为172cm的女大学生，由回归方程可以预报其体重为 探究P4： 身高为172cm的女大学生的体重一定是60.316kg吗？如果不是，你能解析一下原因吗？ 样本点呈条状分布，身高和体重有较好的线性相关关系，因此可以用回归方程来近似的刻画它们之间的关系. 解：散点图： 3、从散点图还看到，样本点散布在某一条直线的附近，而不是在一条直线上，所以不能用一次函数y=bx+a简单描述它们关系。 我们可以用下面的线性回归模型来表示： y=bx+a+e，其中a和b为模型的未知参数， e称为随机误差。 思考P3 产生随机误差项e 的原因是什么？ 思考P3 产生随机误差项e的原因是什么？ 随机误差e的来源(可以推广到一般）： 1、其它因素的影响：影响体重 y 的因素不只是身高 x，可能还包括遗传基因、饮食习惯、生长环境等因素； 2、身高 x的观测误差。 线性回归模型y=bx+a+e增加了随机误差项e，因变量y的值由自变量x和随机误差项e共同确定，即自变量x只能解析部分y的变化。 在统计中，我们也把自变量x称为解析变量，因变量y为预报变量。 残差 数据点和它在回归直线上相应位置的差异 称为相应于点（xi，yi ） 的残差。 例：编号为6的女大学生，计算随机误差的效应（残差） 残差平方和 把每一个残差所得的值平方后加起来，用数学符号表示为： 称为残差平方和 在例1中，残差平方和约为128.361。 表1-4列出了女大学生身高和体重的原始数据以及相应的残差数据。 残差分析与残差图的定义： 我们可以通过残差 来判断模型拟合的效果，判断原始 数据中是否存在可疑数据，这方面的分析工作称为残差分析。 0.382 -2.883 6.627 1.137 -4.618 2.419 2.627 -6.373 残差 59 43 61 64 54 50 57 48 体重/kg 170 155 165 175 170 157 165 165 身高 8 7 6 5 4 3 2 1 编号 我们可以利用图形来分析残差特性，作图时纵坐标为残差，横坐标可以选为样本编号，或身高数据，或体重估计值等，这样作出的图形称为残差图。 残差图的制作及作用。 坐标纵轴为残差变量，横轴可以有不同的选择； 若模型选择的正确，残差图中的点应该分布在以横轴为心的带形区域； 对于远离横轴的点，要特别注意。 身高与体重残差图 异常点 错误数据 模型问题 几点说明： 第一个样本点和第6个样本点的残差比较大，需要确认在采集过程中是否有人为的错误。如果数据采集有错误，就予以纠正，然后再重新利用线性回归模型拟合数据；如果数据采集没有错误，则需要寻找其他的原因。 另外，残差点比较均匀地落在水平的带状区域中，说明选用的模型计较合适，这样的带状区域的宽度越窄，说明模型拟合精度越高，回归方程的预报精度越高。 我们可以用相关指数R2来刻画回归的效果，其计算公式是 显然，R2的值越大，说明残差平方和越小，也就是说模型拟合效果越好。 R2越接近1，表示回归的效果越好（因为R2越接近1，表示解析变量和预报变量的线性相关性越强）。 如果某组数据可能采取几种不同回归方程进行回归分析，则可以通过比较R2的值来做出选择，即选取R2较大的模型作为这组数据的模型。 总的来说： 相关指数R2是度量模型拟合效果的一种指标。 在线性模型中，它代表自变量刻画预报变量的能力。 用身高预报体重时，需要注意下列问题： 1、回归方程只适用于我们所研究的样本的总体； 2、我们所建立的回归方程一般都有时间性； 3、样本采集的范围会影响回归方程的