第六章 数理统计的基本概念 - 浙江大学数学系.ppt

第九章 回归分析和方差分析 引起日光灯管寿命不同的原因有二个方面: 其一, 由于日光灯类型不同,而引起寿命不同. 其二,同一种类型日光灯管,由于其它随机因素的影响, 也使其寿命不同. 在Excel上实现方差分析 以下面的例子来说明用Excel进行方差分析的方法: 保险公司某一险种在四个不同地区一年的索赔额情况记录如表所示. 试判断在四个不同地区索赔额有无显著的差异? 根据Excel给出的方差分析表,假设H0的判别有二种方法: 我们以一个例子来建立回归模型 某户人家打算安装太阳能热水器. 为了了解室外温度与燃气消耗的关系, 记录了16个月燃气的消耗量, 数据见下表. 在回归分析时, 我们称“燃气消耗量”为响应变量记为Y,“室外温度”为解释变量记为X, 由所得数据计算相关系数得r=0.995,表明室外温度与燃气消耗之间有非常好的线性相关性. 如果以室外温度作为横轴, 以消耗燃气量作为纵轴,得到散点图的形状大致呈线形. 参数性质 回归参数估计和显著性检验的Excel实现 例 1（续) 前面我们已经分析了室外温度与燃气消耗量之间的关系, 认为两者具有较好的线性关系, 下面我们进一步建立燃气消耗量(响应变量)与室外温度(解释变量)之间的回归方程. 采用Excel中的“数据分析” 模块. 在Excel工作表中输入上面的数据 点击主菜单中“工具” 点击下拉式菜单中“数据分析” 就会出现一个“数据分析” 的框，点击菜单中“回归” ，点击“确定”, 出现“回归” 框. 方差分析中,给出了假设检验H0: b=0的F检验. 方差分析表中各项也前一节方差分析表中的意义类似. 值得注意的是,方差分析表中``MS“ 列中, 相应于``误差”行的值即为模型误码差方差的估计, 即 =0.115. 预测 预测一般有两种意义. 在此模型下： 即为正态随机变量的线性组合，所以服从正态分布。 证明（1） （2）类似可得。 回归方程显著性检验 采用最小二乘法估计参数a和b，并不需要事先知道Y与x之间一定具有相关关系。 因此μ(x)是否为x的线性函数： 一要根据专业知识和实践来判断， 二要根据实际观察得到的数据用假设检验方法来判断。 （1）影响Y取值的，除了x，还有其他不可忽略的因素； （2）E(Y)与x的关系不是线性关系，而是其他关系； （3）Y与x不存在关系。 若原假设被拒绝，说明回归效果是显著的，否则，若接受原假设，说明Y与x不是线性关系，回归方程无意义。回归效果不显著的原因可能有以下几种： 假设的检验统计量 与方差分析方法类似，仍采用平方和分解。 可以证明： 可以证明， 由参数估计的性质可知，当b=0时， 也可采用t检验 例3 检验例1中回归效果是否显著，取α=0.05。 回归系数 的置信区间 由于 在“Y值输入区域”中标定你已经输入的响应变量数据的位置, 在“X值输入区域”中标定你已经输入的解释变量数据的位置 (注意: 数据安“列”输入)“置信度”中输入你已经确定置信度的值选定输出结果的位置点击“确定”. 在指定位置输出相应的方差分析表和回归系数输出结果, 例1的输出结果如下所示, 1467.551 F 170.189 15 总的 0.115 1.608 14 误差 1.415E-15 168.581 168.581 1 回归 Significance F MS SS df 方差分析表 Coef. 标准误差 t Stat P value Lower 95% Upper 95% Intercept 1.089 0.139 7.841 1.729E- 06 0.791 1.387 X 0.189 0.005 38.309 1.415E-15 0.178 0.200 1.60 1.64 1.57 1.53 1.52 1.51 A4 1.80 1.74 1.60 1.64 1.62 1.60 1.55 1.64 A3 1.75 1.70 1.40 1.64 1.50 A2 1.78 1.70 1.70 1.68 1.65 1.61 1.60 A1 索赔额(万元) 地区 保险索赔记录 在Excel工作表中输入上面的数据点击主菜单中 “工具”点击下拉式菜单中“数据分析” 就会出现一个“数据分析” 的框. 点击菜单中“方差分析:单因素方差分析”点击“确定”, 出现“方差分析:单因素方差分析” 框. 在“输入区域”中标定你已经输入的数据的位置根据你输入数据分组情况(是按行分或按列分)确定分组. 选定方差分析中F检验的