回归模型概论.pptVIP

现实世界中，变量之间相互依赖、相互制约的关系，可大致分为两类：一类是函数关系，即变量之间存在着确定的关系。例如圆半径与圆面积的关系是 另一类是相关关系。例如消费者对某种商品的月需求量与该种商品的价格的关系。又如农作物的单位面积产量与降雨量、施肥量等的关系。这类关系不能用函数来表达。变量之间的这种非确定性关系，称为相关关系。 对于相关关系，虽然不能求出变量之间精确的函数关系式，但是通过大量的观测数据，可以发现它们之间存在着一定的统计规律性。 由一个（或一组）非随机变量来估计或预测某一个随机变量的观测值时，所建立的数学模型和所进行的统计分析，称为回归分析。如果这个模型是线性的，就称为线性回归分析。研究两个变量间的相关关系的回归分析，称为一元回归分析。 4.1.一元线性回归模型 在一元回归分析里，我们要考察的是随机变量 与非随机变量 之间的相互关系。虽然 和 之间没有确定的函数关系。但是我们可以借助函数关系来表达它们之间的统计规律性。用以近似地描述具有相关关系的变量间的联系的函数，称为回归函数。 由于 与 之间不存在完全确定的函数关系，因此必须把随机波动产生的影响考虑在内。于是有一元线性回归模型的一般形式为 4.2. 多元线性回归模型 有多个自变量的线性回归模型称为多元线性回归模型。假定 是一个可以观测的随机变量， 为k个自变量，且有 在理论模型式（1）下，可以认为表中数据满足 未知参数 估计式为 对于给定自变量 ，用 * 回归分析模型 其中 是固定的未知参数，也称为回归系数，自变量 是非随机可精确观测的， 是均值为0，方差为 的随机变量，在模型中它代表其他随机因素对Y产生的影响。 一元线性回归分析的主要任务是用样本值对回归系数 和 作点估计；对 作假设检验；在 处对 作预测，并对 作区间估计。 记 ，则 ，称为 对 的回归直线方程。 的无偏估计为 残差平方和 参数 的置信水平为 的置信区间为 参数 的置信水平为 的置信区间为 参数 的置信水平为 的置信区间为 用 的回归值 作为 的预测值，同时 的置信水平为 的预测区间为 现假定对于变量 与自变量 已得到n组观测数据如下： 与 观测值表 n 2 1 变量 序号 若记 则上式可用矩阵表示为 于是，有经验回归方程为 的无偏估计为 于是，有经验回归方程为 来预测 称 为 的点预测， 的 的置信区间为 于是，有经验回归方程为 4.3 利用Matlab软件实现 （1）[b,bint,r,rint,stats]=regress(Y,X,alpha)， 其中b是回归方程中的参数估计值，bint是b的置信 区间，r和rint分别表示残差及残差对应的置信区间。 Stats包含三个数字，分别是相关系数，F统计量及 对应的概率p值。 其中 ，因变量数据向量Y和自变量数据矩阵X按以 下排列方式输入 一、多元线性回归 对一元线性回归，取k＝1即可。 （2）当要画出残差及其置信区间，使用命令 rcoplot(r,rint) 作残差分析图。 例4.1 某种合金强度与炭含量有关，研究人员在生产试验中收集了该合金的强度y与炭含量x的数据。试建立y与x的函数关系模型，并检验模型的可信度，检查数据中有无异常点。（一元线性回归） 该合金的强度y与炭含量x的数据表 60.5 55.5 55.0 50.0 55.0 49.0 47.5 45.0 45.5 45.0 41.5 42.0 y 0.23 0.21 0.20 0.18 0.17 0.16 0.15 0.14 0.13 0.12 0.11 0.10 x 例4.2 某厂生产的一种商品的销售量y与竞争对手的价格x1和本厂的价格x2有关，其销售记录见下表。试建立y与x1，x2的关系式，并对得到的模型和系数进行检验。（多元线性回归） 销售量与价格统计表 85 65 69 26 93 46 77 1