第9章回归分析.pdfVIP

数学建模与软件实现 第9 章 回归分析 19 世纪 80 年代，英国著名生物学家兼统计学家高尔顿（Galton ）在研究人类遗传问题时， 观察了 1074 对父母及每对父母的一个儿子的身高. 将数据描成散点图后，发现趋势近乎一条 直线. 总的来说，父母平均身高X 增加时，其子的身高Y 也倾向于增加. 但是，高尔顿对试验 数据进行了深入的分析，发现了一个很有趣的现象. 这 1074 对父母的平均身高为 68 英寸（1 英寸=2.54 厘米），1074 个儿子的平均身高为 69 英寸，比父母平均身高高 1 寸. 于是他推想， 当父母平均身高为 64 英寸时，儿子的平均身高应为 64+1=65 英寸；当父母身高为 72 英寸时， 儿子的平均身高为 72+1=73 英寸. 但观察结果不是这样. 前一种情况儿子的平均身高为 67 英 寸，高于父母平均值 3 英寸；后一种情况儿子的平均身高为 71，低于父母身高平均值 1 英寸. 高尔顿对将此现象解释为：自然界有一种约束力，使人类身高在在一定时期内相对稳定，让 身高有一种向他们父辈的平均身高回归的趋势，即身高有回归于中心的趋势. 客观现象不是孤立存在的，而是相互联系和相互影响的. 一种现象的变化往往取决于其他 现象的变化，当现象用变量描述时，则现象之间的关系变成变量间的关系. 变量之间的关系一 般可分为两类： 回归分析是研究变量间的相关关系的，通过建立回归模型来描述变量间的关系，对模型 处理可以得到回归方程，经检验有效后可用来对因变量进行因素分析、趋势预测及误差分析 等. 一般地，把在研究回归模型时所采用的估计、计算方法，检验、分析理论统称为回归分析. 9.1 一元线性回归分析 9.1.1 一元线性回归模型 例 9-1. 有 10 个同类企业生产性固定资产年均价值和工业增加值资料如表 9-1 所示. 表 9-1 企业编号 生产性固定资产价值（万元） 工业增加值（万元） 1 318 524 2 910 1019 3 200 638 4 409 815 5 415 913 6 502 928 7 314 605 8 1210 1516 9 1022 1219 10 1225 1624 合计 6525 9801 对这组数据做散点图，得到图 9-1. 图9-1 散点图 由图9-1 可以看出，工业增加值Y 与固定资产X 的关系基本上满足: 1 2 第 9 章 回归分析 Y   X  （1） 0 1 （1）式将问题中变量Y 与X 之间的关系用两个部分描述. 一部分是由于X 的变化引起Y 线性