DPS数据处理系统简版探索.pptVIP

1．一元线性回归分析 回归方程的形式： 称为 y 关于x 的一元线性回归方程，此方程就是我们要求的 y 与 x 之间的定量关系表达式。 一元线性回归分析的任务就是根据试验所获得的 xi , yi 的数据求出方程中的未知参数的估计 b0 和 b b0和 b 称为回归系数，b 是回归直线的斜率，b0 是回归直线的截距。 2．多元线性回归分析 回归方程形式： 同一元回归一样，各回归系数均采用最小二乘法。 3．回归方程的显著性检验 回归方程的显著性检验用方差分析法（即F检验），DPS系统除给出方程的显著性检验结果外，同时还给出回归系数的显著性。 若：1）P＜α，表示在显著性水平α之下，y与xi之间存在着显著的线性回归关系。 参数xi在方程中应保留。 2) P ≥α，表示在显著性水平α之下， y与xi之间的线性回归关系不显著，表示参数xi 对y 无影响， xi 可从方程中剔除。 4．DPS线性回归分析例题 DPS线性回归分析步骤： 在DPS中一元线性回归和多元线性回归操作步骤相同。 在数据编辑器里按列输入数据→将x , y 两列数据定义为数据块→多元分析→回归分析→线性回归→系统给出线性回归操作界面→在线性回归操作界面操作完成后点击“返回编辑”会给出分析全部结果。 1）一元回归 例1．用银盐法测定食品中的砷时，吸光度y与砷的含量之间有一定的相关关系，数据如右表，确定回归方程并作检验。 回归分析结果 （软件） Y=0.00063+0.04393X1 序号 x y 1 0 0 2 1 0.041 3 3 0.145 4 5 0.211 5 7 0.306 6 9 0.399 由概率统计得出的测量次数n、显著水平α与相关系数r的起码值如下表 n-2 rmin n-2 rmin α( 0.05) α( 0.01) α( 0.05) α( 0.01) 1 0.997 1 9 0.602 0.735 2 0.950 0.990 10 0.576 0.708 3 0.878 0.959 12 0.532 0.661 4 0.811 0.917 15 0.482 0.606 5 0.754 0.874 18 0.444 0.561 6 0.707 0.834 20 0.432 0.537 7 0.666 0.789 25 0.381 0.487 8 0.632 0.756 30 0.349 0.449 2)多元回归 例2．在麦芽酶试验中，发现指标吸氨量与x1（底水）及x2（吸氨时间）都有关系，其试验数据及结果如表，确定回归方程并作检验。 回归分析结果 （软件） Y=95.71-0.692X1+0.022X2 序号 x1 x2 x3 1 136.5 215 6.2 2 136.5 250 7.5 3 136.5 180 4.8 4 138.5 250 5.1 5 138.5 180 4.6 6 138.5 215 4.6 7 140.5 180 2.8 8 140.5 215 3.1 9 140.5 250 4.3 10 138.5 215 4.9 11 138.5 215 4.1 五）非线性回归分析 在实际问题中，所遇到的因变量y与自变量x之间的统计关系不一定都是线性关系，两个变量之间的关系大多是非线性的。所以根据实验数据拟合出y与x之间的数学模型表达式，通过拟合曲线方程，可以定量地研究因素和指标之间的定量关系。 当通过实验数据完成了模型的定义之后，就要根据试验数据求出那些已知形式的非线性回归模型的参数（即回归参数）。 1．一元非线性回归模型(由试验数据直接拟合模型） 非线性回归分析模型中，最常见的是建立两个变量之间函数关系的一元非线性回归模型。 DPS数据处理系统为使用户快速地掌握非线性回归建模技术，对一元非线性回归模型进行参数估计。软件提供了非常方便、直观的用户界面。在用户界面中提供了26种常用且较典型的一元非线性回归方程，供用户选用（见下表）。 用DPS系统提供的这些非线性回归方程建立模型时，系统可自动进行参数估计。如果认为这些回归方程式还不能完整地表达你所构思的模型，你也可在这些方程基础上，进行扩充、修改，衍生出适合要求的新的回归方程。 用DPS进行一元非线性回归的方法。 1）建立一元非线性回归模型前，先按系统要求输入数据，即以行为样本，列为变量的方式输入数据。 定义数据块时要注意，一元非线性回归只允许定义2列数据；第一列为自变量，第2列为因变量。 2）定义数据块→数学模型→一元非线性回归模型→出现初始界面。 3）在初始界面中选择模型，估计参数，最后输出结果。 例：某种肉鸡在良好生长条 件下体重随时间