第1讲回归分析数学中国.pptVIP

第1讲 回归分析 华中农业大学 汪晓银 教授 授课内容 一元线性回归（知识回忆） 一元非线性回归 多元回归（线性与非线性） 逐步回归与标准化回归 1.1 一元线性回归 1.2 一元非线性回归 1.2 一元非线性回归 教材说明 以上内容均在《数学软件与数学实验（第二版） 》汪晓银，邹庭荣，周保平主编 教材说明 以下内容均在《数学建模与数学实验（第二版） 》汪晓银 ，周保平主编 解释变量 Xi 是确定性变量，不是随机变量； 解释变量之间互不相关，即无多重共线性。 随机误差项不存在序列相关关系 随机误差项与解释变量之间不相关 随机误差项服从0均值、同方差的正态分布 多元线性回归模型的假设: 1.3 多元线性回归 多元模型的解析表达式： 1.3 多元线性回归 多元模型的矩阵表达式： 1.3 多元线性回归 参数估计公式： 参数值估计：最小二乘估计 1.3 多元线性回归 主要介绍： 拟合优度检验（判定系数） 回归方程的显著性检验（F－检验） 回归参数的显著性检验（t－检验） 多元线性回归模型的检验 1.3 多元线性回归 判定系数的定义： 意义：判定系数越大，自变量对因变量的解释程度越高，自变量引起的变动占总变动的百分比高。观察点在回归直线附近越密集。 取值范围：0-1 判定系数的定义： 目的：构造一个不含单位，可以相互比较，而且能直观判断拟合优劣的指标。 拟合优度检验 1.3 多元线性回归 检验Y与解释变量x1，x2，……xk之间的线性关系是否显著。 检验的目的 第一步，提出假设： 原假设：H0：b1=b2=……bk=0 备择假设：H1：bi不全为0 （i=1，２，…，k） 检验的步骤 回归方程的显著性检验 1.3 多元线性回归 第二步，计算统计量： ～ 第三步，查表，得： 第四步，做检验： 拒绝H0， 回归方程显著 接受H0， 回归方程不显著 检验 法则 1.3 多元线性回归 回归系数的显著性检验 回归方程显著，并不意味着每个解释变量对因变量Y的影响都重要,因此需要进行检验。 1.3 多元线性回归 原假设：H0： bi=0 (i=1，2，……k) 备择假设：H1：bi≠0 (i=1，2，……k) 第一步，提出假设： 第二步，构造并计算统计量 ： 回归系数显著性的检验的步骤 1.3 多元线性回归 第三步，查表得 ： 第四步，做检验： 接受H0 检验 法则 拒绝H0 1.3 多元线性回归 例 某品种水稻糙米含镉量y(mg/kg)与地上部生物量 x1(10g/盆)及土壤含镉量x2(100mg/kg)的8组观测值 如表2.1。试建立多元线性回归模型。 3.86 0.87 0.43 0.06 5.78 2.33 1.86 4.93 y 6.25 1.03 0.73 0.05 10.2 3.06 1.89 9.08 x2 5.41 15.74 15.91 17.67 0.76 9.67 11.34 1.37 x1 1.3 多元线性回归 /*代码以及结果的解释见教材*/ data ex; input x1-x2 y@@; cards; … ； proc reg; model y=x1 x2; run; 1.3 多元线性回归 回归方程显著性检验： 由方差分析表可知，其F value=494.06,prF的值0.0001，远小于0.05，故拒绝原假设，接受 备择假设，认为y1与x1,x2之间具有显著性的线 性关系； 拟合度很高 1.3 多元线性回归 参数显著性检验： 由参数估计 表可知，对自变量x2检验t值分别为 t=2.12、,Pr|t|的值=0.0879,大于0.05，因此，拒绝 原假设认为x2的系数应为0，说明x2的系数没有通 过检验。为此，需要在程序中model y1=x1 x2中去 掉x2 1.3 多元线性回归 对常数检验t值分别为t=33.9、,Pr|t|的值0.0001,远 小于0.05，说明截距项通过检验，估计值为5.62117， 同理可知x1的系数通过检验，估计值为-0.31911 回归方程： 1.3 多元线性回归 许多实际问题中可能还会出现某几个变量的系数并没有通过检验，此时，可以在原程序中的model y1=x1-x2中去掉没用通过的变量,直到所有的系数均通过检验。或者使用逐步回归方法，让软件自动保留通过检验的变量。 1.3 多元线性回归 建立多元非线性回归方程在科学研究中应用广泛，其重要方法是将非线性回归方程转化为线性回归方程。转化时应首先选择适合的非线性回归形式，并将其线性化。再确定线性化回归方程的系数，最后确定非线性回归方