11回归的基本思想及初步应用2解析.pptVIP

* 第二课时 数据点和它在回归直线上相应位置的差异 是随机误差的效应，称 为残差。 称为残差平方和，它代表了随机误差的效应。 2、用相关指数R2来刻画回归的效果，其计算公式是： R2 ?1，说明回归方程拟合的越好；R2?0，说明回归方程拟合的越差。 1、残差的定义 复习回顾 思考1 上节我们学过哪些主要内容？ （1）确定研究对象，明确哪个变量是解释变量，哪个变量是预报变量。 （2）画出解释变量和预报变量的散点图，观察它们之间的关系（如是否存在线性关系等）。 （3）由经验确定回归方程的类型（如我们观察到数据呈线性关系，则选用线性回归方程y=bx+a）。 （4）按一定规则估计回归方程中的参数（如最小二乘法）。 （5）得出结果后分析残差图是否有异常（个别数据对应残差过大，或残差呈现不随机的规律性，等等），过存在异常，则检查数据是否有误，或模型是否合适等。 思考2 你能回忆一下建立回归模型的基本步骤吗？ 选变量 画散点图 选模型 估计参数 分析与预测 例2 一只红铃虫的产卵数y和温度x有关。现收集了7组观测数据列于表中： （1）试建立产卵数y与温度x之间的回归方程；并预测温度为28oC时产卵数目。 （2）你所建立的模型中温度在多大程度上解释了产卵数的变化？ 温度xoC 21 23 25 27 29 32 35 产卵数y/个 7 11 21 24 66 115 325 例题分析 假设线性回归方程为 ：?=bx+a 选 模 型 由计算器得：线性回归方程为?=19.87x-463.73 相关指数R2≈0.8642=0.7464 估计参数 解：选取气温为解释变量x，产卵数 为预报变量y。 选变量 所以，一次函数模型中温度解释了74.64%的产卵数变化。 画散点图 0 50 100 150 200 250 300 350 0 3 6 9 12 15 18 21 24 27 30 33 36 39 方案1 分析和预测 一元线性模型 当x=28时，y =19.87×28-463.73≈ 93 奇怪？ 9366 ? 思考？你发现了什么问题吗？ 温度xoC 21 23 25 27 29 32 35 产卵数y/个 7 11 21 24 66 115 325 当x=28时，y =19.87×28-463.73≈ 93 模型不好？ 0 50 100 150 200 250 300 350 0 3 6 9 12 15 18 21 24 27 30 33 36 39 探究:红铃虫的产卵数y与温度x更可能是什么关系? 思考：两个变量是线性关系时利用最小二乘法得到了两个参数的估计公式，当模型不是线性回归模型时如何估计模型中的参数？ y=bx2+a 非线性关系 问题3 y=bx2+a 变换 y=bt+a 非线性关系 线性关系 方案2 问题１ 选用y=bx2+a ，还是y=bx2+cx+a ？ 问题3 产卵数 气温 问题2 如何求a、b ？ t=x2 二次函数模型 方案2解答 平方变换：令t=x2，产卵数y和温度x之间二次函数模型y=bx2+a就转化为产卵数y和温度的平方t之间线性回归模型y=bt+a 温度 21 23 25 27 29 32 35 温度的平方t 441 529 625 729 841 1024 1225 产卵数y/个 7 11 21 24 66 115 325 作散点图，并由计算器得：y和t之间的线性回归方程为?=0.367t-202.543，相关指数R2=0.802 将t=x2代入线性回归方程得： ?=0.367x2 -202.543 当x=28时，y=0.367×282-202.54≈85，且R2=0.802， 所以，二次函数模型中温度解 释了80.2%的产卵数变化。 t 问题２ 变换 y=bx+a 非线性关系 线性关系 问题１ 如何选取指数函数的底? 产卵数 气温 指数函数模型 方案3 对数 方案3解答 温度xoC 21 23 25 27 29 32 35 z=lny 1.946 2.398 3.045