第9章回归分析(免费阅读).pptVIP

第九章 相关分析与回归分析 一、相关分析 二、一元线性回归分析 三、多元线性回归分析 第一节 相关分析 二. 相关系数 相关系数的性质（1） 相关系数的性质（2） 相关系数的假设检验 注意:相关性与因果性 三、等级相关分析（非参数方法） 1、(Spearman)等级相关系数的计算 2、等级相关系数的检验（双侧） （2）检验统计量： 例：见书本219面例9-2。 作业 习题九: 第1、2、3题 第二节 一元线性回归 一、回归的统计模型建立 1。拟合直线: 确立函数关系 2。拟合误差 3。最小二乘法 4。最小二乘估计 二.回归方程的检验 常用公式 常用分布 回归的假设检验 判断回归方程是否有统计学意义 决定系数 回归参数的估计量的统计分布 三.回归参数的区间估计 四.使用回归模型预测和控制 3.控制自变量 的取值范围 作 业 习题十: 第2题、第3题 §8.3. 多元线性回归 1。多变量回归模型： 2。回归模型建立步骤 3。多元回归模型的参数估计 4。拟线性回归 示例 (纽约时报) 模型评价 利用最小二乘法的思想，我们通过最小化 ε的某一指标函数来估计模型参数。 当自变量x和因变量y之间满足非线性函数关系，则当数据受随机因素ε的影响时，设为 y=f(x;α,β) + ε ，若能存在变换： 使得 满足线性关系式： 则称回归模型: 为x,y的拟线性回归模型。 你已经收集到下列数据: 反响 大小 发行量 1 1 2 4 8 8 1 3 1 3 5 7 2 6 4 4 10 6 你在纽约时报(NYT)从事广 告工作。你希望找到广告大 小 (平方英寸) 和报纸发行量 (以千份计数)对广告反响 (以 百次计数)的影响作用。 解释回归系数 斜率 (b1)如果发行量保持不变, 广告大小每增加一平方英寸, 反响次数(Y) 可期望增加.2049 百次(或者说增加20.49次反响)。 斜率 (b2)如果广告大小不变, 发行量每增加一千份,反响次数(Y) 可期望增加 0.2805百次(或者说增加28.05次反馈)。 模型对变量间的关系描述得如何? 模型拟合优度 假设满足程度 估计的显著性 自变量间的相关程度 特殊情况 (异常的观测值) ffzvxd 怎样才算吻合得 最好？ X 数据 Y 数据与拟合直线的误差 X Y ?i = 随机误差 Y X 观测值 观测值 { Y X 现令： Q代表理论值与实际数据的差异，令 其达到最小，即可利用极值条件获得 参数α,β的估计值 。 例：用扫描仪对紫草含量进行测定， 测得其浓度c与测得积分值h的数据如 表，试建立 h 关于浓度 c 的回归方程。 82.8 76.9 58.9 46.7 31.7 15.2 h 30 25 20 15 10 5 c 解：利用最小二乘法，可得： 回归方程是不可逆的，两个变量之间的 回归关系不满足代数性质，即有： 自变量发生变化，回归方程就随之改变。 因为最小二乘法只是最小化因变量方向的 随机误差。 注 意 基本思想: 总离差平方和的分解 总离差平方和 残差平方和 回归平方和 1. Y X x i Yi 总平方和 回归平方和 剩余平方和 2. 3. 若否定H0，则认为y与x之间存在线性 关系，所得的线性回归方程有意义。 4. 若接受H0，所得的线性回归方程无意义： (1)x对y没有显著性影响，丢掉自变量x； (2)x对y有显著性影响，作非线性回归； (3)除x外还有其它不可忽略的变量，从而 削弱了x对y的影响，用多元线性回归。 回归的假设检验计算表(P值法) 回归效果的方差分析表( ) MSQ n-2 SSQ 残差 MSU 1 SSU 回归 F值 均方 自由度 离差平方和 变异来源 5. 82.8 76.9 58.9 46.7 31.7 15.2 h 30 25 20 15 10 5 c 例题：用扫描仪对紫草含量进行测定， 测得浓度 c 与测得积分值h的数据如表 ，判断 h 关于c 的回归方程是否显著。 决定系数即用X和Y之间的关系所能解释的变差的比例。 6. 预测问题就是利用回归方程根据自变量的某一个值来推断因变量的相应的取值或者估计因变量的一个取值范围。 控制问题就是已知因变量的一个取值范围，推断自变量的最可能取值。 1.固定