第4讲 回归分析法预测B.pptVIP

a 陆丰凹陷 b 惠州凹陷 c 西江凹陷 d 恩平凹陷 不同凹陷镜质体反射率随深度变化关系图 应用领域 应用领域 应用领域 应用领域 应用领域 应用领域 回归分析主要应用于解决以下问题： （1）确定变量间有无相关关系，若有则求其联系形式——建立回归方程； （2）求出变量间联系的密切程度——求相关系数； （3）预测变量值，确定预测精度——进行目标预测； （4）找出并研究影响某一特定变量的因素及其相互关系——进行变量选择； 几个基本概念及意义： 1、偏差：回归方程所得到的估计值与实际观测值之间的差值，它反映了散点各自离开回归直线的情况； 2、单相关系数：反映了两个自变量之间关系的量度； 3、复相关系数：反映了因变量y与全部自变量集合之间的线性相关密切程度； 4、偏相关系数：当有多个变量存在时，为了研究任何两个变量之间的关系，而使与这两个变量有联系的其它变量都保持不变。即控制了其它一个或多个变量的影响下，计算两个变量的相关性。 ★正相关 ★负相关 ★完全正相关 ★完全负相关 ★零相关 * YOUR SITE HERE 1. 如果F检验已经表明了回归模型总体上是显著的，那么回归系数的检验就是用来确定每一个单个的自变量 xi 对因变量 y 的影响是否显著 2. 对每一个自变量都要单独进行检验 3. 应用 t 检验 4. 在多元线性回归中，回归方程的显著性检验不再等价于回归系数的显著性检验。 回归系数的显著性检验要点 YOUR SITE HERE 1. 提出假设 H0： = 0 (自变量 xi 与 因变量 y 没有线性关系) H1： ? 0 (自变量 xi 与 因变量 y有线性关系) 2. 计算检验的统计量 t 3. 确定显著性水平?，并进行决策 ? t??t???，拒绝H0； ? t?t???，接受H0 回归系数的显著性检验步骤 YOUR SITE HERE 1. 将各控制单元的自变量代入最优回归方程，求出各控制单元的回归估计值。 这样，每个单元都有一个观测值 yi 和回归估值 。 2. 以控制单元为横坐标，以矿床值（或其对数值）为纵坐标，绘出矿床值上升序列曲线图。根据上升序列曲线图及各单元的矿化情况，确定回归估计临界值。 确定回归估计临界值时要考虑以下因素： （1） 已知单元矿床值的大小及预测要求。 （2） 上升序列曲线的变化趋势。 四、确定回归估计临界值进行成矿远景区预测 YOUR SITE HERE 回归估计临界值也可采用已知有矿控制单元回归估计值的平均值或最小值， 或已知有矿床单元回归估值的最小值与已知有矿点单元回归估值最大值的平均值。 YOUR SITE HERE 若某单元的回归估计值大于回归临界值，说明该单元为找矿远景单元，其中可能有矿床的产出。反之，可能为无矿单元。 另外，还可将未知单元回归估计值的大小与已知有矿单元回归估计值进行对比，以次来确定找矿远景单元的级别。 如果控制单元的矿床值yi与回归估计值 呈线性相关，则可将预测单元的回归估值转换成矿床值，并进而转换成资源量。 3. 将未知单元的自变量观测值代入回归方程，确定每个单元的回归估计值 YOUR SITE HERE 注意在所选控制区单元中自变量的取值尽可能分散一些，样本可尽可能大一些（使得回归系数估计更稳定和避免回归曲线外推预测） 注意异常值和空缺数据的处理。 注意其时间、空间特性（时间序列数据、空间数据），要注意数据是否具备可比性、等方差性。 在回归模型的运用中，我们还强调定性分析与定量分析的有机结合。数理统计方法所研究的数量关系是否反映事物的本质？本质究竟如何？在实际问题中，我们不能仅凭样本数据估计的结果不加分析地定论，必须把参数估计的结果和学科理论知识、具体地质问题以及现实情况紧密结合，这样才能保证回归模型在地质问题研究中的正确应用。 当然，建立正确的数学模型，有效提取信息、有效解释变异和有效查明数量规律，对于地质概念和定义的多解性、地质假说及理论的可检验性可发挥特殊作用。 YOUR SITE HERE 第四节 逐步回归 YOUR SITE HERE 在实际问题中可以提出许多对应变量有影响的自变量，变量选择太少或不恰当,会使建立的模型与实际有较大的偏离； 而变量选得太多，增加了模型的复杂度，模型应用费用增加，并且有时也会削弱估计和预测的稳定性。 我们希望矿床值和各地质因素及找矿标志线性关系密切，即回归效果要好，同时方程中每个自变量对矿床值的影响显著而相互之间的相关很小（避免提供重叠信息）。这就存在回归方程中最优变量组合问题。 这样，既保证尽量高的预报精度，同时最大限度地减少自变量是运算方便又