回归分析的基本思想及初步应用第二、第三课时1.pptVIP

“备”则“倍” 有准备、有规划的人生更精彩！ 1：自变量取值一定时，因变量的取值带有一定随机性的两个变量之间的关系叫做相关关系。 对具有相关关系的两个变量进行统计分析的方法叫回归分析。 2： 复习回顾 3：最小二乘法 样本点的中心: 回归方程: 4：思考产生随机误差项e的原因 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、是否喜欢运动、生长环境、度量误差等因素； 2、用线性回归模型近似真实模型所引起的误差； 3、身高 x 的观测误差。 函数模型与回归模型之间的差别 函数模型： 回归模型： 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只能解释部分y的变化。 在统计中，我们也把自变量x称为解释变量，因变量y称为预报变量。 1.用相关系数 r 来衡量 2.公式： 求出线性相关方程后， 说明身高x每增加一个单位,体重y就增加0.849个单位,这表明体重与身高具有正的线性相关关系.如何描述它们之间线性相关关系的强弱呢? ①、当 时，x与y为完全线性相关，它们之间存在确定的函数关系。 ②、当 时，表示x与y存在着一定的线性相关，r的绝对值越大，越接近于1，表示x与y直线相关程度越高，反之越低。 3.性质： 相关系数 相关系数的性质: (1)|r|≤1． (2)|r|越接近于1，相关程度越强；|r|越接近于0， 相关程度越弱． 如何描述两个变量之间线性相关关系的强弱？ 问题：达到怎样程度，x、y线性相关呢？ 它们的相关程度怎样呢？ 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。 在线性回归模型中，R2表示解释变量对预报变量变化的贡献率。 R2越接近1，表示回归的效果越好（因为R2越接近1，表示解释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。 我们可以用相关指数R2来刻画回归的效果，其计算公式是 1 354 总计 0.36 128.361 随机误差(e) 0.64 225.639 解释变量(身高) 比例 平方和 来源 表1-3 从表3-1中可以看出，解释变量对总效应约贡献了64%，即R2≈0.64，可以叙述为“身高解析了64%的体重变化”，而随机误差贡献了剩余的36%。所以，身高对体重的效应比随机误差的效应大得多。 为了回归的准确和计算的方便我们引入残差平方和(residual sum of squares)它代表随机误差的效应 求出了随机误差的效应后，我们就比较容易得到解释变量的效应了。同学们知道怎样求吗？ 解释变量的效应＝总体偏差平方和－残差平方和 回归平方和 (regression sun of squares) 编号 1 2 3 4 5 6 7 8 身高/cm 165 165 157 170 175 165 155 170 体重/kg 48 57 50 54 64 61 43 59 残差 -6.373 2.627 2.419 -4.618 1.137 6.627 -2.883 0.382 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。 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。 使用公式 计算残差 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，说明选用的模型比较合适，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。 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