概统(茆诗松)第二版第八章回归概念.ppt

第八章 回归分析 从散点图可以看出,随着自变量x的增加,因变量y也呈现上 升的趋势,图中的点大致分布在一条向右方倾斜的直线附近,因 而可以用一条直线方程来近似的逼近 即 yi=b0+b1xi+ei i=1 , 2, … , n 其中ei ~N(0 ,s 2), ei 是相互独立的随机变量序列且它们的方差 相同(方差齐性),称为回归直线(方程). 对于一元线性回归模型，我们要解决以下问题： (1)参数估计:给出参数b0 , b1 , s 2 的估计值. (2)显著性检验:检验线性函数 yi=b0+b1xi 用来描述因变量 y 与自变量 x 的关系是否合适,包括回归模型的显著性检验和 参数的显著性检验. (3)模型检查:检查对模型所做的假设是否成立,包括 ei 是相互独 立的随机变量序列的检查和方差齐性的检查. (4)预测或控制. 对b0 , b1的估计实际上就是在平面直角坐标系中估计一条直线 称观测值与理论值的差 为残差.以上用数学方法对参 数 进行估计的方法,称为最小二乘估计法. SAS程序直接调用reg过程.一般格式如下： poc reg data=数据集名称； model 因变量集=自变量集; (如mode