第三章回归分析1ppt.pptVIP

Key Concept: 复相关系数 衡量一个变量（y）与 多个变量（x1,x2,x3,…,xp） 之间的线性关系程度的统计量 回归方程显著性检验 对一个回归方程，我们除了要了解如何建立它们，即求出在方程中各个预报因子的回归系数、确定预报因子与预报量之间的关系外，还要进一步分析回归关系中的回归方差贡献，它对预报量的方差比例，即解释方差部分。但是对于由实际资料计算的复相关系数，怎样来评判它们的可靠性呢？ 例如我们用海温场中的５个因子建立对某地的气温预报方程，用样本容量为ｎ＝１０来建立回归方程，复相关系数为０．９０，另一个用气压场的５个因子，也建立回归方程来预报气温，用的样本容量为ｎ＝１００，也有相同的复相关系数０．９０，哪一个回归方程可信或更可靠一些呢？同样，对于预报气温的回归方程，如果一个方程用８个因子组成，一个方程用１０个因子组成，前一个方程复相关系数为０．９０，后一个为０．９１，那么用哪一个方程更可靠呢？ 这些问题，既涉及样本容量大小问题，也涉及因子个数问题。回答这些问题需要进行统计的显著性检验，以便确定我们所检验的方程是属于偶然性的结果，还是具有统计显著性，结果都具有统计显著性，还要确定哪一个方程所具有的显著性最高。