SPC统计与回归分析培训教程文件.pptVIP

一、标准的多元线性回归模型 多元线性回归模型总体回归函数的一般形式 　　 　 (8.48) 多元线性回归模型的样本回归函数 (8.49) 　多元线性回归分析的标准假定除了包括上一节中已经提出的的假定外，还要追加一条假定。这就是回归模型所包含的自变量之间不能具有较强的线性关系。 二、多元线性回归模型的估计 （一）回归系数的估计　　　　　　　　　 　　　 　　　 　 ＝(XX)－1XY (8.55) （二）总体方差的估计　 　　　 　Ｓ2＝ (8.56)　　　　　　 （三）最小二乘估计量的性质 　 标准的多元线性回归模型中，高斯.马尔可夫定理同样成立。 三、多元线性回归模型的检验和预测 （一）拟合程度的评价 修正自由度的可决系数（理由）。 　　　＝１－ 　 　　(8.61) 　　　＝１－ （１－Ｒ2） (8.62) 　　　式中，ｎ是样本容量；ｋ是模型中回归系数的个数。 　　修正自由度的可决系数 的特点。 (二)显著性检验 1．回归系数的显著性检验 　 　　　ｔ ＝　 j=1,2,…,k (8.63) 式中， S 是的标准差的估计值。 按下式计算： 　　　 Ｓ ＝ (8.64) 式中， 是(XX)-1的第ｊ个对角线元素，Ｓ2是随机误差项方差的估计值。(8.63)式的ｔ统计量的原假设是Ｈ0：βj＝０，因此ｔ的绝对值越大表明βj为０的可能性越小，即表明相应的自变量对因变量的影响是显著的。 2．回归方程的显著性检验 具体的方法步骤 回归模型方差分析表 （3）Ｆ统计量　　　　　　 　　　　Ｆ＝ 离差名称 平　方　和 自由度 方　差 回归平方和 SSR= k-1 SSR/(k-1) 残差平方和 SSE= n-k SSE/(n-k) 总离差平方和 SST= 四、多元线性回归预测 基本公式： 　 　　 (8.66) 式中，Xjf(j=2,3,……k)是给定的Xj在预测期的具体数值； 是已估计出的样本回归系数； 是Xj给定时Ｙ的预测值。 第四节　非线性回归分析 一、非线性回归分析的意义　 二、非线性函数形式的确定 确定函数形式的原则　 实际分析中较常用的几种非线性函数的特点 三、非线性回归模型的估计 几种线性变换方法 实际应用时要注意： 第一、比较复杂的非线性函数，需综合利用上述的几种方法。 第二、变换得到的方程式中的变量不允许包含未知的参数。 第三、当变换后的新模型中包含的误差项能够满足标准假定时，新模型中回归系数最小二乘估计量的理想性质才能成立。 　　第四、严格地说，线性变换方法只是适用于变量为非线性的函数。 第五、 并不是所有的非线性函数都可以通过变换得到与原方程完全等价的线性方程。 第五节 相关分析 一、单相关系数及其检验 二、等级相关系数及其检验 四、复相关系数和偏相关系数 六、相关指数 一、单相关系数及其检验 （一）相关系数的定义 　 ｒ＝ 　（8.86） 　　样本相关系数的定义还可从另一个角度给出。设Ｙ倚Ｘ和Ｘ倚Ｙ的样本回归方程为： 　　　　　　　　　　　（8.87） 　　　　　　　　　　　（8.88） 样本相关系数可定义为样本回归系数的乘积的开方，即: 　 ｒ＝ ±　（8.89） 上式中ｒ的符号应与回归系数的符号一致。 （二）相关系数与可决系数 简单线性回归模型中相关系数ｒ的平方等于可决系数ｒ2。 　样本相关系数的特点： （三）单相关系数的检验 二、等级相关系数及其检验 （一）等级相关系数的定义和计算 ｒs =