回归曲线拟合分解.ppt

回归分析、线性回归和曲线估计 回归分析 线性回归 曲线估计 什么是回归分析？ 1、重点考察一个特定的变量(因变量)，而把其他变量(自变量)看作是影响这一变量的因素，并通过适当的数学模型将变量间的关系表达出来 2、利用样本数据建立模型的估计方程 3、对模型进行显著性检验 4、进而通过一个或几个自变量的取值来估计或预测因变量的取值 回归分析的模型 一、分类 按是否线性分：线性回归模型和非线性回归模型 按自变量个数分：简单的一元回归和多元回归 二、基本的步骤 利用SPSS得到模型关系式，是否是我们所要的？ 要看回归方程的显著性检验（F检验） 回归系数b的显著性检验(T检验) 拟合程度R2 (注：相关系数的平方，一元回归用R Square，多元回归用Adjusted R Square) 回归分析的过程 在回归过程中包括： Liner：线性回归 Curve Estimation：曲线估计 Binary Logistic： 二分变量逻辑回归 Multinomial Logistic：多分变量逻辑回归； Ordinal 序回归；Probit：概率单位回归； Nonlinear：非线性回归； Weight Estimation：加权估计； 2-Stage Least squares：二段最小平方法； Optimal Scaling 最优编码回归 我们只讲前面2个简单的（一般教科书的讲法） 线性回归 线性回归分为一元线性回归和多元线性回归。 一、一元线性回归： 1、涉及一个自变量的回归 2、因变量y与自变量x之间为线性关系 被预测或被解释的变量称为因变量(dependent variable)，用y表示 用来预测或用来解释因变量的一个或多个变量称为自变量(independent variable)，用x表示 3、因变量与自变量之间的关系用一个线性方程来表示 线性回归的过程 一元线性回归模型确定过程 一、做散点图(Graphs -Scatter-Simple) 目的是为了以便进行简单地观测（如： Salary与Salbegin的关系)。 二、建立方程 若散点图的趋势大概呈线性关系，可以建立线性方程，若不呈线性分布，可建立其它方程模型，并比较R2 (--1)来确定一种最佳方程式（曲线估计）。 多元线性回归一般采用逐步回归方法-Stepwise。 (一) 一元线性回归模型(linear regression model) 1、描述因变量 y 如何依赖于自变量 x 和误差项? 的方程称为回归模型 2、一元线性回归模型可表示为 y = b0 + b1 x + e 注：线性部分反映了由于x的变化而引起的y的变化；误差项?反映了除x和y之间的线性关系之外的随机因素对y的影响，它是不能由x和y之间的线性关系所解释的变异性。 一元线性回归模型（基本假定） 1、因变量x与自变量y之间具有线性关系 2、在重复抽样中，自变量x的取值是固定的，即假定x是非随机的 3 、误差项 ?满足条件 误差项 ? 满足条件 正态性。 ?是一个服从正态分布的随机变量，且期望值为0，即? ~N(0 , ?2 ) 。对于一个给定的 x 值，y 的期望值为E(y)=?0+ ?1x 方差齐性。对于所有的 x 值， ?的方差一个特定的值，的方差也都等于 2 都相同。同样，一个特定的x 值， y 的方差也都等于?2 独立性。独立性意味着对于一个特定的 x 值，它所对应的ε与其他 x 值所对应的ε不相关；对于一个特定的 x 值，它所对应的 y 值与其他 x 所对应的 y 值也不相关 估计的回归方程(estimated regression equation) SPSS 线性回归分析 多元线性回归分析基本结构与一元线性回归相同。而他们在SPSS下的功能菜单是集成在一起的。下面通过SPSS操作步骤解释线性回归分析问题。 SPSS过程 步骤一：录入数据，选择分析菜单中的Regression==liner 打开线性回归分析对话框； 步骤二：选择被解释变量和解释变量。其中因变量列表框中为被解释变量，自变量为回归分析解释变量。 注：要对不同的自变量采用不同引入方法时，选NEXT按钮把自变量归入不同自变量块中。 第三步：选择个案标签。在变量列表中选择变量至个案标签中，而被选择的变量的标签用于在图形中标注点的值。 第四步：选择加权二乘法（WLS）。在变量列表框中选择变量至WLS中。但是该选项仅在被选变量为权