TSA02-趋势与回归分析[V3.0].pptxVIP

趋势与回归分析Trends, and Regression Analysis 课堂讨论11年周期的太阳黑子活动变化(浅色曲线)，和200年周期的太阳活动变化(深色曲线)GPS测站残差的时间序列包含趋势项移除趋势项学习内容一、趋势二、回归分析三、回归诊断四、多元线性回归与非线性回归一、趋势时间序列的分类常数均值的估计1. 时间序列的分类平稳时间序列：均值、方差和自回归函数不随时间变化非平稳时间序列：随机趋势（可用差分方式消除的趋势）确定性趋势（线性、非线性、周期项…）例题：随机趋势随机游动时间序列随机游动：例题：确定性趋势迪比克市月平均气温月均气温：特点：季节性趋势时间序列的构成与组合模式构成：长期趋势 （T）：线性趋势、非线性趋势季节变动（S）周期波动（C）不规则波动 （ I ）组合模式：加法：Y=T+S+C+I乘法：Y=T*S*C*I分析方法描述性分析：通过数据比较或绘图观测研究规律 统计分析时域分析：寻找序列值之间的相关关系的统计规律，进而预测序列未来的走势频域分析：将时间序列分解成若干不同频率的周期波动，对频率分量进行统计分析和建模2. 常数均值的估计常数均值模型： Yt=μ+Xt ?情况1：是平稳序列，E(Xt)=0?模型： Yt=μ+Xt ； 是平稳序列，E(Xt)=0期望：; 是μ的无偏估计方差：? 情况2： 是白噪声?模型： Yt=μ+Xt ;是白噪声相关性当方差：情况3：滑动平均模型?模型： 相关=-0.4当k1时， =0方差： ?情况4： ?模型： Yt=μ+Xt ； E(Xt)=0, ()方差：情况5： ｛Xt ｝是随机游动过程?模型： Yt=μ+Xt; {方差：习题讲解：3.2 （ P37）?假设,求解： =课堂练习时间序列的趋势类型有哪些？化简：二、回归分析简单线性回归周期性趋势的回归方法简单线性回归变量间关系 散点图线性回归不相关函数关系相关关系线性回归方程线性相关非线性相关相关关系：带有一定随机性的变量间关系函数关系：确定性关系 相关关2-2-4-4-4-2204-4-2204正相关负相关回归分析：对两个变量进行统计分析 回归直线：各点大致分布在一条直线的附近散点图：正相关、负相关 回归模型随机误差分量自变量直线的斜率直线的y轴截距因变量?响应变量与自变量之间关系：拟合回归线?散点图及回归线围绕真实回归线的个体观测值?拟合直线（）是真实回归线（）的一个估计真实的回归线穿过响应变量的均值，每个真实的观测值分布在均值的附近拟合误差??残差：拟合误差给定一个回归数据集：和一个拟合模型，则第个残差由下式给出：,最小二乘估计?目标估计回归系数：给定样本，回归系数和的最小二乘估计值为：例题：线性回归分析x8876736663y7865716461绘散点图计算样本平均值估计回归系数回归直线方程课堂练习：车辆堵塞研究车辆数3456堵塞时间(sec)5101215（1）绘制数据的散点图；（2）估计回归系数（3）写出回归直线方程时间的线性趋势?时间趋势：t用最小二乘法估计截距和斜率：解得：例题：线性趋势估计（R命令）data(rwalk)model1=lm(rwalk~time(rwalk))summary(model1) Estimate Std. Error t value Pr(|t|)(Intercept) -1.007888 0.297245 -3.391 0.00126 time(rwalk) 0.134087 0.008475 15.822 2e-16plot(rwalk,type=o,col=red)abline(model1,col=blue) 2. 周期性趋势的回归方法迪比克市的月平均气温?模型： ；情形1：季节均值模型， 与12个参数有关例题：季节均值模型（ R命令）month.=season(tempdub）model2=lm(tempdub~month.-1) summary(model2) Estimate Std. Error t value Pr(|t|)month.January 16.608 0.987 16.832e-16 ***month.February 20.650 0.987 20.922e-16 ***…例题：季节均值模型（ R命令）month.=season(tempdub）model3=lm(tempdub~month.)summary(model3) Estimate Std. Error t value Pr(|t|)(Intercept) 16.608 0.987 16.828 2e-16 ***month.February 4.042 1.396 2.896 0.00