第十三章简单线性回归分析-1.ppt

第十三章簡單線性迴歸分析-1 Simple Linear Regression -1 學習目標 1. 簡單線性迴歸模型的描述 2. 最小平方法的觀念與應用 3. 簡單迴歸模型參數之估計 4. 反應變數(y)的估計及預測 5. 電腦使用及報表的解讀 模型的應用 1. 探討兩個現象(變數)之間的線性關係 2. 以數學函數之形式或者另外加上機率分配觀念來表示該模型 3. 可延伸於探討兩種以上變數之間的關連 4. 常見形式 數學確定模型(deterministic models) 機率模型(probabilistic models) 確定模型Deterministic Models 1. 兩個變數之間有確定關係之假設 2. 無任何預測上的誤差 3. 例如: NT$=30.7(匯率)*US$ 或y = r·x 機率模型Probabilistic Models 1. 真實生活中極大部分之現象無法以確定模型解釋(同樣30坪房子會有不同售價) 2. 將可以直接觀測到的兩個變數之間關係中分成兩部份 確定部份﹕30坪房屋平均售價 隨機誤差部份﹕真正和平均售價差額 2. 例如: 銷售額 ﹦10* 廣告花費 + 隨機誤差 Y = 10X + e 隨機誤差代表，除了廣告花費以外，所有尚未納入模型的相關因素(例如﹕商店地點、店面規模) 各種類的機率模型 各種類相關的機率模型 簡單迴歸模型 Simple Regression Models 1. 能夠建立兩個變數之間的關係 2. 使用線性函數方式表達 f(x) = y = b + m x + ? y代表一個反應變數(response variable銷售額) 即是被預測的因應變數(dependent) x代表一個獨立變數(independent variables) 3. 該模型常被使用來估計或預測反應變數 簡單迴歸模型應用 Simple Regression Models 1. 身高與體重的關係 房屋售價與房屋大小（坪數）的關係 銷售額與呈列架位的關係 微積分與統計學成績之間的關聯 公務員薪資與年資間的關係 汽車重量與耗油量間的關連 簡單迴歸模型應用資料 簡單迴歸模型應用繪圖1 簡單迴歸模型應用繪圖2 簡單迴歸模型使用時的步驟 1. 事先決定反應變數與獨立變數間的模式 2. 估計模式的參數 3. 模式中誤差項的機率分配之描述 估計誤差項的變異情形 4. 評估模式 5. 利用模式做估計或預測工作 建立所使用的模型 1. 定義模型中所包含的兩個變數 獨立變數(可自主變動不受其他因素的影響而改變其值) 反應變數(受到獨立變數的影響而改變其值者) 2. 根據變數間的關係建立假設之方程式 預期的影響 (諸如：正或負相關，係數為何) 函數形式 (線性linear或非線性non-linear) 使用模型的確定 1. 根據自然的道理與原則 2. 使用數學的定理或理論 3. 根據過去研究所得 一般人的常識 根據經驗或直覺 想一想何種模型較為合適呢? 常見的各類迴歸模型 簡單線性關係方程式Linear Equations 線性關係範例1 線性關係範例1圖形 線性方程式： Y= 3 + 3/5 x 線性關係範例練習1 簡單線性迴歸模型 1. 獨立變數和反應變數之間為線性關係 簡單迴歸模型下的母體與樣本 簡單線性迴歸模型 簡單線性迴歸模型取樣後結果Sample Linear Regression Model 迴歸模型的母數與表達 迴歸模型使用時的步驟Regression Modeling Steps 1. 事先決定反應變數與獨立變數間的模式 2. 估計模式的參數 3. 模式中誤差項的機率分配之描述 估計誤差項的變異情形 4. 評估模式 5. 利用模式做估計或預測工作 迴歸範例解說 散布圖 Scatter Plot 1. 將所有的樣本點數對 (Xi, Yi)繪於圖上 2. 可看出兩者間的關連及模型的趨勢及適切性 動動腦想一想 動動腦想一想 動動腦想一想 動動腦想一想 動動腦想一想 動動腦想一想 動動腦想一想 各種預估直線的比較1 各種預估直線的比較2 使用電腦來作實驗 打開書後光碟找到檔案： \Content\Visual Explorations 選取：VisualExplorations— Simple Linear Regression 調整斜率、調整截距找到最佳的誤差平方和並比較解答。 最小平方法的圖形表達Least Squares Method Graphically 最小平方法Least Squares Method 1. ‘最適切’ 表示觀察值與預估值間的差異為最小 但是差異有正有負會互相抵消 因此選擇誤差的平方和作為依據較佳 2. 最小平方法即為使得誤