化学类新教案6-2课件.PPT

§6.2 一元线性回归 可线性化的一元回归问题 回归模型的拟合优度和显著性 两个变量之间的相关系数能表明两者之间关系的密切程度，但无法用一个变量去估计另一个变量。 回归分析则可做到这一点，用自变量去估计或预测因变量。回归分析首先要区分自变量和因变量，自变量是“因”，因变量是“果”，然后建立一个方程去描述这个因果关系，即要找出两者之间关系的数学表达式，这就是一元回归；如果两个变量是线性关系．称为一元线性回归。 设相关关系的两个变量为 和 ， 的值由两部分构成：一部分由 的影响确定， 用 的 函数 表示，称为回归函数；另一部分则由众多不确定性因素影响产生，可看成 取值的随机波动，记为 ，并且假定其平均值为零，即 。于是得到数学模型： 上式称为回归模型，它表明当 取某个数值时， 并不必然表现为一个确定的值，而是在 附近波动，但其平均数在大量观察下趋向于确定的值 。 (6.2.1) 图6-1 企业产量与生产费用散点图 我们容易看出企业产量 和生产费用 之间的散点图大致呈直线关系。但图形中的各点并不都在—条直线上，而是围绕着直线上下波动，有的在直线上面，有的在直线下面。 各散点的坐标满足方程 对于这样的散点图，我们认为 与 之间线性相关，回归函数 是线性函数，即 此时，回归模型为 (6.2.2)式称为一元线性回归函数，(6.2.3)称为一元线性回归模型。 (6.2.2) (6.2.3) 直线截距 直线斜率 也叫做 对 的回归系数，它表示 每变动一个单位所引起的 的平均变动量 残差（也称为回归误差或预测误差），代表除 外的其它次要因素形成的随机扰动。 当样本量较大时，正负干扰可相互抵消，所以我们认为 的均值为0。 回归分析的主要任务就是确定回归方程的参数 、 并判定回归函数(6.2.2)式是否合理。 怎样确定? ? 越小越好 常用的方法是最小二乘法(Least squares，简记为LS)。它使残差平方和(residuals sum of squares :RSS)最小,即使 最小 在计算上应先求 再求 。用最小二乘法拟合的回归方程有三个性质： (1) ,即回归误差可以相互抵消。 (2)所拟合的回归线通过均值点 ，即通过散点图的重心，因而预测值 的均值等于实际值 的均值。 (3)残差 和 、 之间无相关关系。 利用求极值的方法可解得: (6.2.4) 案例6.2 根据表6.2中有关数据，确定该企业生产费用对产量的回归方程，并说明产量对生产费用的影响大小。 表6.2 企业生产费用与产量相关系数计算表 解： 由于产量多少决定着生产费用的多少，所以以产量x为自变量，生产费用y为因变量。 代入（6.2.4）,得 所求的生产费用对产量的回归方程为： 它说明该企业产量每增加1千吨，生产费用平均增加12.896万元。 案例6.3某省1990－2000年工业产值y与农业产值x的统计数据（单位：亿元）如表中第2、3列所示。试求工业产值对农业产值的回归函数。 94 76 平均 102216 63860 79769 1034 836 ∑ 4624 4761 4900 6561 7225 7396 10000 11664 12996 14400 17689 4624 5041 5184 4900 5776 5929 5776 6084 6241 6561 7744 4624 4899