统计学桂林理工大学第八章相关与回归题稿.ppt

回归分析法产生的历史 回归分析法。由著名的英国生物学家、统计学家高尔顿（F.Gallton）——达尔文的表弟所创。 早年，高尔顿致力于化学和遗传学领域的研究。 他研究父亲们的身高与儿子们的身高之间的关系时，建立了回归分析法。 父亲们的身高与儿子们的身高之间关系的研究 1889年F.Gallton和他的朋友K.Pearson收集了上千个家庭的身高、臂长和腿长的记录 企图寻找出儿子们身高与父亲们身高之间关系的具体表现形式 下图是根据1078个家庭的调查所作的散点图（略图） 从图上虽可看出，个子高的父亲确有生出个子高的儿子的倾向，同样地，个子低的父亲确有生出个子低的儿子的倾向。得到的具体规律如下： 如此以来，高的伸进了天，低的缩入了地。他百思不得其解，同时又发现某人种的平均身高是相当稳定的。最后得到结论：儿子们的身高回复于全体男子的平均身高，即“回归”——见1889年F.Gallton的论文《普用回归定律》。 后人将此种方法普遍用于寻找变量之间的规律 第三节　非线性相关与回归分析 一、非线性函数形式的确定 在对实际的客观现象进行定量分析时，选择回归方程的具体形式应遵循以下原则： 首先，方程形式应与有关实质性科学的基本理论相一致。例如，采用幂函数的形式，能够较好地表现生产函数；采用多项式方程能够较好地反映总成本与总产量之间的关系等等。 其次，方程有较高的拟合程度。因为只有这样，才能说明回归方程可以较好地反映现实经济的运行情况。 最后，方程的数学形式要尽可能简单。如果几种形式都能基本符合上述两项要求，则应该选择其中数学形式较简单的一种。一般来说，数学形式越简单，其可操作性就越强。 二、非线性函数形式的种类 （一）抛物线函数 （二）双曲线函数 （三）幂函数 （四）指数函数 （五）对数函数 （六）Ｓ形曲线函数 （七）多项式方程 ? 指数函数 ? 幂函数 ? 双曲线函数 ? 对数函数 ? S 型曲线  三、非线性回归实例 【例子】为研究生产率与废品率之间的关系，记录数据如下表。试拟合适当的模型。 用线性模型：y =?0??1x+? ，有 　　　 y = 2.671+0.0018x 用指数模型：y = ?? x ，有 　　　　 y =4.05?(1.0002)x 比较： 　　　 直线的残差平方和＝5.3371指数模型的残差平方和＝6.11。直线模型略好于指数模型。 线性化方法 两端取对数得：lny = ln? + ? x 令：y = lny，则有y = ln? + ? x 基本形式： 图像 ? ? ? ? ? ? 线性化方法 两端取对数得：lg y = lg? + ? lg x 令：y = lgy，x= lg x，则y = lg? + ? x 基本形式： 图像 0? 1 ? ? 1 ? = 1 -1? 0 ? -1 ? =-1 线性化方法 令：y = 1/y，x= 1/x, 则有y = ? + ? x 基本形式： 图像 ? 0 ? 0 线性化方法 x= lgx , 则有y = ? + ? x 基本形式： 图像 ? ? 0 ? 0 线性化方法 令：y = 1/y，x= e-x, 则有y = ? + ? x 基本形式： 图像 13.0 5000 10.3 4500 10.2 4000 8.1 3500 6.8 3000 6.5 2000 5.2 废品率（%） y 1000 生产率（周/单位) x 废品率与生产率的关系 生产率与废品率的散点图 0 -10 -7 -9 -2 5 3 -5 4 13 8 95546 7426 8000 7776 9020 10292 10080 8840 10492 12180 11440 - 47.29 49.45 51.61 53.76 55.92 58.08 60.24 62.39 64.55 66.71 估计值 1670 158 160 162 164 166 168 170 172 174 176 身高 0 33032 279220 570 -9.71 -7.55 -5.39 -3.24 -1.08 1.08 3.24 5.39 7.55 9.71 2209 2500 2304 3025 3844 3600 2704 3721 4900 4225 24964 25600 26244 26896 27556 28224 28900 29584 30276 30976 47 50 48 55 62 60 52 61 70 65 A B C D E F G H I J 体重 学生 判定系数与相关系数的区别： 判定系数无方向性，相关系数则有方向，其方向与样本回归系数 b 相同； 判定