第9章 回归分.docVIP

第9章 回归分析 在实际生活中，某个现象的发生或某种结果得出的往往与其他某个或者某些因素有关，但是这种关系又不是确定的，只是从数据上可以看出“有关”的趋势。回归分析就是用来研究具有这种特征的变量之间的相关关系，回归分析有多种分析方法，下面主要介绍线性回归。 线性回归假设因变量与自变量之间为线性关系，用一定的线性回归模型来拟合因变量和字变量的数据，并通过确定模型参数来得到回归方程。根据自变量的多少，线性回归可有不同的划分。当自变量只有一个时，称为一元回归时；当自变量有多少时，称为多元线性回归。另外，可以转换为一元回归的多元回归问题也在本章一并介绍。 第1节 一元线性回归 1.基本数学原理 （1）回归模型与参数的确定 一元线性回归研究因变量与一个自变量之间的线性关系，其回归模型为： 式中，为因变量，为自变量，为待定参数（其中称为回归参数）。 通常采用最小二乘法来确定上面两个待定系数，即要求观测值与利用上面回归模型得到的拟合值之间差值的平方和最小。差值平方和达到最小时的模型参数便作为待定参数的最终取值。代入模型，便可以确定回归方程。 （2）回归系数的显著性检验 给定上述模型和实测数据以后，总可以得到待定参数的拟和值，但是由此确定的回归方程不一定有意义。因此，需要对得到的回归参数作显著性检验，即检验回归系数时是否为0，如果为0，则说明因变量与自变量无关，回归方程无意义。回归参数的显著性