第4章 多元回归分析（精品课程）.doc

第四章 回归分析 回归分析是根据统计资料建立经验公式的统计方法。回归分析可用于预测和控制，在自然科学，社会科学和应用技术中都有重要应用,它是统计学最重要的工具。回归分析方法和理论从Gauss提出最小二乘法开始，至今已近200年，目前仍在蓬勃发展，例如在回归诊断、维度缩减、半参数回归、非参数回归、LOGISTIC回归等方向不断有新的突破。本章介绍参数回归分析模型及其参数估计、检验、模型选择等理论和有关计算方法。参数回归分析主要分三类：线性回归、可以转化为线性回归的回归和非线性回归。本章依次介绍这三类模型。有关回归分析的一般理论可参见陈希儒（1984），方开泰（1988），Seber（1976），何晓群（1997），何晓群、刘文卿（2001）、Richard（2003）。Robert(1999)和王吉利（2004）提供了许多有趣的应用例子。 多元线性回归模型 一、两个例子 试验测定迟熟早籼广陆矮4号在某年5月5日至8月5日播种时（每隔10天播一期），播种至齐穗的天数（y）和播种至齐穗的总积温（x，日·度）的关系，数据列于下表，建立播种至齐穗的天数与总积温两者之间的关系。 y x 播种至齐穗的天数 总积温（日·度） 70 1616.3 67 1610.9 55 1440.0 52 1400.7 51 1423.3 52 1471.3 51 1421.8 60 1547.1 64 1533.0 例2 某站为预报早稻播种育秧期间(下/3-下/4)的低温阴雨日数,通过相关普查和点聚图分析,最后选择了三个相关较好的预报因子： X1--前一年9月份的阴雨日数距平; X2--前一年10月份-当年1月份的阴雨日数距平和; X3--当年1月份的阴雨日数距平. y-- 历年早稻播种育秧期间的低温阴雨日数距平 试建立y与X1、X2、X3之间的关系。 年份 Y X1 X2 X3 1981 -8 0 -6 2 1982 4 2 20 3 1983 7 -1 19 4 1984 -7 -5 -16 -2 1985 12 6 5 1 1986 6 3 -20 -2 1987 -14 -10 -10 -2 1988 4 6 13 2 1989 9 5 29 2 1990 3 -2 6 5 1991 -1 3 -32 3 1992 4 1 11 -5 1993 7 7 11 4 1994 -3 -9 -4 2 1995 5 2 3 0 1996 -11 -3 4 -6 1997 -8 0 -53 -5 1998 -1 4 4 -5 1999 -11 -9 8 -7 2000 6 -5 29 2 二、基本概念 常见的变量间关系分为两大类：确定性关系和相关关系。确定性关系也称为函数关系，具有确定性关系的自变量完全确定因变量的值。 现实世界中大量存在相关关系，具有相关性关系的变量间不能完全确定。例如人身高 与脚长是两个变量，它们关系密切，但是脚长不能完全确定认的身高，脚长为25公分的人，他的身高是不确定的。又如松树的胸径与材积关系很密切，但是胸径不能完全确定材积。例1中播种至齐穗的天数与总积温,但是x不能完全决定y的大小；例2中的y与X1、X2、X3。具有相关关系的变量间由一些变量可以大体预报其它变量。前者称为解释变量，也叫做自变量或预报因子，后者称为响应变量，也叫做因变量或预报对象。我们希望得到由解释变量预报响应变量的公式，以便通过解释变量去预测或控制响应变量。 回归分析是建立预报公式的一种方法。其特点是：首先确定预报公式的类型，列出待估参数；然后取得解释变量和响应变量的多次观测值，