3-2回归(生猪决策)讲解.pptVIP

3.2 多元线性回归分析 某种水泥在凝固时放出的热量y（卡/克）与水泥中下列 4种化学成份有关。 x1：3CaO·Al2O3的成份（%） x2：3CaO·SiO2的成份（%） x3：4CaO·Al2O3·Fe3O3的成份（%） x4：2CaO·SiO2的成份（%） 现记录了13组数据，列在表3—4中，根据表中的数据， 试研究y与x1，x2，x3，x4四种成份的关系。 3.2.2 生猪生产决策问题 影响生猪生产的原因很多，为寻找影响生产的原因， 现搜集整理了某市1980～1990年共11年的粮食产量、生猪 外调量、鲜鱼产量、家禽产量、猪肉销售价格和生猪出栏 量的统计数据（见表3—5），试研究生猪出栏量与粮食产 量、生猪外调量、鲜鱼产量、家禽产量、猪肉销售价格之 间的关系，并据此对未来的生猪生产进行预测。 　　“回归”一词始于英国统计学家盖尔登（Galton）和皮 尔逊（Pearson），他们研究儿子的身高Y与其父母的平均 身高X之间的关系，通常双亲的平均身高较矮时，其子的身 高也较矮；双亲的平均身高较高时，其子的身高也较高， 但是他们发现，如果双亲属于高个类（高于1000多对夫妇 的平均身高）时，其子比他父亲更高的概率会较小；相反 地，如果双亲属于低个类时，其子比他父亲更矮的概率也 较小，所以，平均身高偏高或偏矮的双亲，其子的身高都 有一种“向中心回归”的现象，基于这个事实，盖尔登把求 描述儿子与双亲身高关系的直线称为回归直线。 3.2.4 参数的最小二乘估计 为了获得参数β的估计，我们采用最小二乘法，即选 择β，使 3.2.5 最小二乘法估计量的性质 首先我们在假定 的条件下， 探讨一下由式（10）确定β的最小二乘法估计量 的性质。 1、 是β的线性无偏估计量。 证：由于 ，每一个 都是y1，…，yn 的线性组合，因而 是 的线性估计量，此时称 的线性估计量。 3.2.7 多元线性回归分析模型的推广 （1）多项式回归分析模型 类似于模型（5），由自变量多项式和随机项组成的回归 模型称为多项式回归模型，它的一般形式为 初看模型（13）不是线性回归，因自变量中含有幂函数， 但由于未知参数b0，b1，…，bm都是线性出现的，因此，令 则模型（13）就变成为多元线性回归模型： 3.2.8 最优回归模型的选择 很多实际问题中，例如气象预报、地震预报等，自变量 个数多得惊人，过多的自变量不仅给数据的收集、计算带来很 大麻烦，而且多个自变量之间往往会产生线性相关或近似线性 相关关系。这种相关关系，称为“复共线性”，复共线性的存在， 会使得回归分析的误差增大，得到不合理的结果，甚至使计算 溢出，无法求得回归分析问题的解。所以，我们总是希望从众 多自变量中挑选较少的一些变量，建立“最优”的回归模型。所 谓“最优”的回归模型有两个方面的含义：一方面指方程中要包 含所有的有显著作用的自变量；另一方面，希望自变量的个数 尽可能地少，因为自变量过多，使用起来不方便，而且引入了 无意义的量，反而会使回归方程的稳定性降低。 3.2.9 MATLAB和Mathematica求解 （1）MATLAB命令 命令格式 [b,bint,r,rint,stats]=regress(Y,X,alpha) 其中输入向量X，Y的排列方式分别为 alpha为显著性水平（缺省时设定为0.05）。 输出向量b为回归系数的估计值，即 输出向量bint为回归系数估计值的置信区间； 从而多项式回归模型可以用多元线性回归模型的计算公 式和检验方法。多项式回归还有许多推广的形式， 例如： ① ② ③ ④ ⑤ 上述模型的共同特点是未知参数都是以线性形式出现， 所以都可以采用恒等变换像模型（13）化为模型（14）一样 化为多元线性回归模型。 （2）广义线性回归模型 广义线性回归模型的一般形式为 其中： 是一个不含未知数参数的一元函数，且有 反函数： 的不含未知参数 的多元函数。 广义线性回归模型的回归系数的确定主要是从自变量 和因变量y 的n 组观察值 出发，用最小二乘法求出 ，使得