第6章回归分析.doc

主要内容 SPSS（Statistical Product and Service Solutions）软件应用 回归分析 方差分析 计算机模拟 SPSS简介 SPSS社会科学统计软件包是世界上流行的三大统计软件之一。有美国Stanford 大学的三位研究生于20世纪60年代研制开发的、最早的统计分析软件。 统计学是一门关于大量数据资料如何进行搜索、整理和分析的方法论科学，其目的是探索数据和数量规律性。但在进行统计分析时，涉及到的变量和样本数据常常很多，计算量也很大。 主要介绍变量定义、数据录入、统计图的绘制和简单的统计分析以及结果的保存和导出。 相关分析和回归分析、方差分析、聚类分析、判别分析 、主成分分析与因子分析。 偏度系数：当偏度为正值时，分布向大于平均数方向偏斜；偏度为负值时，向小于平均数方向偏斜；当偏度的绝对值大于2时，分布的偏斜程度严重。当峰度大于3时，分布比较陡峭，峰态明显，总体变数的分布比较集中。 第6章 回归分析 许多实际问题往往需要对大量数据进行分析，尤为重要的是统计分析(statistical analysis)。如统计预报中的预测、经验公式中的参数确定等等，常常用到各种统计方法。回归分析（regression analysis）是研究各变量间相互关系的一种统计方法。 引例： 在回归分析中，分析者所关心的问题有以下几个方面： (1) 拟合：建立因变量与自变量之间有效的经验函数关系，为进一步的研究提供线索； (2) 变量选择：在一批自变量中确定哪些变量确实对因变量有影响，而哪些没有的影响； (3) 估计与检验：估计回归模型中的未知参数，并且对模型提出的各种假设进行推断； (4) 预测：根据已经观测的数据来预测因变量在未经观测的自变量上的值。 回归分析是对拟合问题做统计分析。 本章主要介绍一元或多元线性回归以及非线性回归的基本方法，介绍怎样使用MATLAB软件进行回归分析，并且应用回归方程对因变量进行各种预测。 1 回归模型及回归分析 1.1 一元线性、非线性回归模型 一元线性回归模型：???或? 称Y与x之间存在线性回归关系，其中的参数a和b称为一元线性回归的回归系数。 解决的问题归纳为以下几个方面： 1）? 在回归模型中如何估计参数a、b和 ？ 2）? 建模的假设是否正确？ 3）? 如何应用所求的回归方程对试验指标进行预测？ 1. 回归系数a、b的最小二乘估计 ?已知观测值为 （i=1，2，…,n）。将它代入回归模型中有如下关系：?????? ???其中i = 1，2，…,n。 采用最小二乘法，求观测值与期望值的离差平方和最小。 ?? ????? 求出的解记为 ，回归方程为： 。 (可用MATLAB软件求解) 2. 回归模型的统计检验 回归模型的假设（f(x)= a+bx）是否成立？该问题可转化为对系数b提出假设， 称为原假设，称为备折原假设。然后判断H0是否成立，这就是假设检验问题。有两种检验方法： 假设检验：在总体分布函数完全未知或只知其形式，但不知其参数的情况下，为了推断总体的某些未知特征，提出某些关于总体的假设，例如，提出总体服从泊松分布的假设，又如对于正态分布，提出数学期望等于的假设，我们对所提出的假设作出是接受，还是拒绝的决策。假设检验是作出这一决策的过程。 然而，由于作出决策的依据是一个样本，当实际上为真时，仍有可能作出拒绝的决策，这是一种错误。我们无法排除犯这类错误的可能性。因此，自然希望将犯这类错误的概率控制在一定范围限度内，即给出一个较小的数（01）,使犯错误的概率不超过。 称为显著性水平，取值一般为0.1,0.05,0.01，1-称为置信区间。 如果检验拒绝，说明回归方程有效，可用于对因变量的值进行预测。 1)? 相关系数检验法 在概率论中，相关系数(correlation coefficient)计算公式为：? ，它反映了X与Y线性相关密切程度的数量指标。但计算它需要用X，Y的联合分布函数，而许多实际问题事先并不知道它的分布规律。因此，需用样本相关系数的计算公式： ????? ， 是r的一个点估计值。 其中 ，当 越接近于1时，说明X与Y的线性关系就越显著；当 靠近零时，表明X与Y的线性关系不明显。或者X与Y之间可能是非线性的关系，或者是两者根本不存在什么关系。 检验上述原假设 ，其拒绝域为： ， 为检验水平。 2） F检验法 平方和分解公式：? 简记为：?? ?其中 被称为残差平方和(residual sum of squares)， 被称为回归平方和(regressive sum of squares)。 考虑检验假设 ? 。在 为真时，可证明： ??????????????? 自由度即相互独立，且服从N（0，1）的随机变量的个数。总偏差平方和的自由度