第七章回歸分析.docxVIP

第七章 回归分析前几章所讨论的内容，其目的在于寻求被测量的最佳值及其精度。在生产和科学实验中，还有另一类问题，即测量与数据处理的目的并不在于获得被测量的估计值，而是为了寻求两个变量或多个变量之间的内在关系，这就是本章所要解决的主要问题。表达变量之间关系的方法有散点图、表格、曲线、数学表达式等，其中数学表达式能较客观地反映事物的内在规律性，形式紧凑，且便于从理论上作进一步分析研究，对认识自然界量与量之间关系有着重要意义。而数学表达式的获得是通过回归分析方法完成的。第一节回归分析的基本概念一、函数与相关在生产和科学实验中，人们常遇到各种变量。从贬值辩证唯物主义观点来看，这些变量之间是相互联系、互相依存的，它们之间存在着一定的关系。人们通过实践，发现变量之间的关系可分为两种类型：函数关系（即确定性关系）数学分析和物理学中的大多数公式属于这种类型。如以速度v作匀速运动的物体，走过的距离s与时间t之间，有如下确定的函数关系：s=vt若上式中的变量有两个已知，则另一个就可由函数关系精确地求出。相关关系在实际问题中，绝大多数情况下变量之间的关系不那么简单。例如，在车床上加工零件，零件的加工误差与零件的直径之间有一定的关系，知道了零件直径可大致估计其加工误差，但又不能精确地预知加工误差。这是由于零件在加工过程中影响加工误差的因素很多，如毛坯的裕量、材料性能、背吃刀量、进给量、切削速度、零件长度等等，相互构成一个很复杂的关系，加工误差并不由零件直径这一因素所确定。像这种关系，在实践中是大量存在的，如材料的抗拉强度与其硬度之间；螺纹零件中螺纹的作用中径与螺纹中径之间；齿轮各种综合误差与有关单项误差之间；某些光学仪器、电子仪器等开机后仪器的读数变化与时间之间；材料的性能与其化学成分之间等等。这些变量之间既存在着密切的关系，又不能由一个（或几个）变量（自变量）的数值精确地求出另一个变量（因变量）的数值，而是要通过试验和调查研究，才能确定它们之间的关系，我们称这类变量之间的关系为相关关系。一般讲，多考虑一些变量会减少所考察的因变量的不确定性，但不是绝对的。应该指出，函数和相关关系虽然是两种不同类型的变量关系，但是它们之间并无严格的界限。一方面由于测量误差等原因，确定性的关系在实际中往往通过相关关系表现出来。例如尽管从理论上物体运动的速度、时间和运动距离之间存在着函数关系，但如果我们做多次反复地实测，每次测得的数值并不一定满足s=vt的关系。在实践中，为确定某种函数关系中的常数，往往也是通过试验。另一方面，当对事物内部的规律性了解得更加深刻的时候，相关关系又能转化为确定性关系。事实上，实验科学（包括物理学）中的许多确定性的定理正是通过对大量实验数据的分析和处理，经过总结和提高，从感性到理性，最后才能得到更能深刻地反映变量之间关系的客观规律。二、回归分析的主要内容回归分析（Regression Analysis）是英国生物学家兼统计学家高尔顿（Galton）在1889年出版的《自然遗传》一书中首先提出的，是处理变量之间相关关系的一种数理统计方法。上面已经提到，由于相关变量之间不存在确定性关系，因此，在生产实践和科学实验所记录的这些变量的数据中，存在着不同程度的差异。回归分析就是应用数学的方法，对大量的观测数据进行处理，从而得出比较符合事物内部规律的数学表达式。概括地说，本章主要解决以下几方面的问题：1）从一组数据出发，确定这些变量之间的数学表达式——回归方程或经验公式。2）对回归方程的可信程度进行统计检验。3）进行因素分析，例如从对共同影响一个变量的许多变量（因素）中，找出哪些是重要因素，哪些是次要因素。回归分析是数理统计中的一个重要分支，在工农业生产和科学研究中有着广泛的应用。当今在实验数据处理、经验公式的求得、因素分析、仪器的精度分析、产品质量的控制、某些新标准的制定、气象及地震预报、自动控制中的数学模型的制定及其他许多场合中，回归分析往往是一种很有用的工具。三、回归分析与最小二乘的关系回归分析是基于最小二乘原理，回归方程系数的求解，特别是一元线性回归方程的求解与最小二乘法有一定的相似性，两者主要不同的是，最小二乘法对研究事物内部规律的数学表达式——经验公式，得到该公式待求参数估计量后，只对其精度进行评价，而不研究所拟合的经验公式整体质量。回归分析求解回归方程系数后，还需进一步对所得的回归方程——经验公式的整体精度进行分析和检验，以确定回归方程的质量水平，并定量地评价回归方程与实际研究的事物规律的符合程度，即进行回归方程的方差分析与显著性检验等。由此表明，最小二乘原理是回归分析的主要理论基础，而回归分析则是最小二乘原理的实际应用与扩展。它不仅研究一元回归分析，还有多元回归分析等内容。第二节 一元线性回归一元回归是处理两个变量之间的关系，即两个变量x和