回归分析OK.docVIP

回归分析 1、我们将用于估计值的线性函数作为确定性函数； 的实际值与估计值之间的误差记为，称之为随机误差； 将称为线性回归模型． 说明：（1）产生随机误差的主要原因有： ①所用的确定性函数不恰当引起的误差； ②忽略了某些因素的影响； ③存在观测误差． （2）对于线性回归模型，我们应该考虑下面两个问题： ①模型是否合理（这个问题在下一节课解决）； ②在模型合理的情况下，如何估计，？ 2、最小二乘法求参数估计值 利用最小二乘法可以得到，的计算公式为 ， 其中， 由此得到的直线就称为这对数据的回归直线，此直线方程即为线性回归方程．其中，分别为，的估计值，称为回归截距，称为回归系数，称为回归值． 3． 线性回归方程中，的意义是：以为基数，每增加1个单位，相应地平均增加个单位。 4、对任意给定的样本数据，由计算公式都可以求出相应的线性回归方程，但求得的线性回归方程未必有实际意义，所以需要对相关系数进行检验。． 相关系数的计算公式： 对于，随机取到的对数据，样本相关系数的计算公式为 ． 5、相关系数的性质： （1）； （2）越接近与1，，的线性相关程度越强（正相关和负相关） （3）越接近与0，，的线性相关程度越弱． 可见，一条回归直线有多大的预测功能，和变量间的相关系数密切相关． 6、对相关系数进行显著性检验的步骤： 相关系数的绝对值与1接近到什么程度才表明利用线性回归模型比较合理呢？这需要对相关系数进行显著性检验．对此，在统计上有明确的检验方法，基本步骤是： （1）提出统计假设：变量，不具有线性相关关系； （2）如果以的把握作出推断，那么可以根据与（是样本容量）在附录（教材P111）中查出一个的临界值（其中称为检验水平）； （3）计算样本相关系数； （4）作出统计推断：若，则否定，表明有的把握认为变量与之间具有线性相关关系；若，则没有理由拒绝，即就目前数据而言，没有充分理由认为变量与之间具有线性相关关系． 说明：1)对相关系数进行显著性检验，一般取检验水平，即可靠程度为． 2)这里的指的是线性相关系数，的绝对值很小，只是说明线性相关程度低，不一定不相关，可能是非线性相关的某种关系． 3)这里的是对抽样数据而言的．有时即使，两者也不一定是线性相关的．故在统计分析时，不能就数据论数据，要结合实际情况进行合理解释． 1、要分析学生高中入学的数学成绩对高一年级数学学习的影响，在高一年级学生中随机抽取名学生，分析他们入学的数学成绩和高一年级期末数学考试成绩如下表： 学生编号 入学成绩 高一期末成绩 （1）计算入学成绩与高一期末成绩的相关系数； （2）如果与之间具有线性相关关系，求线性回归方程； （3）若某学生入学数学成绩为分，试估计他高一期末数学考试成绩． 2、下表是随机抽取的对母女的身高数据,试根据这些数据探讨与之间的关系． 母亲身高 女儿身高 3