第十二章回归概览.doc

第十二章 回归分析 前面我们讲过曲线拟合问题。曲线拟合问题的特点是，根据得到的若干有关变量的一组数据，寻找因变量与（一个或几个）自变量之间的一个函数，使这个函数对那组数据拟合得最好。通常，函数的形式可以由经验、先验知识或对数据的直观观察决定，要作的工作是由数据用最小二乘法计算函数中的待定系数。从计算的角度看，问题似乎已经完全解决了，还有进一步研究的必要吗? 从数理统计的观点看，这里涉及的都是随机变量，我们根据一个样本计算出的那些系数，只是它们的一个（点）估计，应该对它们作区间估计或假设检验，如果置信区间太大，甚至包含了零点，那么系数的估计值是没有多大意义的。另外也可以用方差分析方法对模型的误差进行分析，对拟合的优劣给出评价。简单地说，回归分析就是对拟合问题作的统计分析。 具体地说，回归分析在一组数据的基础上研究这样几个问题： （i）建立因变量与自变量之间的回归模型（经验公式）； （ii）对回归模型的可信度进行检验； （iii）判断每个自变量对的影响是否显著； （iv）诊断回归模型是否适合这组数据； （v）利用回归模型对进行预报或控制。 §1 多元线性回归 回归分析中最简单的形式是，均为标量，为回归系数，称一元线性回归。它的一个自然推广是为多元变量，形如 (1) ，或者更一般地