第十二章简单回归实习指导(定).doc

第十二章 简单回归分析 [教学要求] 总体回归线的95%置信带个体预测值Y的区间估计可线性化的非线性回归的步骤总体回归系数β的统计推断残差残差分析回归分析的基本思想与方法回归回归相关与回归分析的区别与联系[重点难点] 简单线性回归 回归模型的前提假设线性(linear)、独立(independent)、正态(normal)与等方差(equal variance)。 最小二乘原则求解回归方程中参数估计量a和b值策略使回归残差平方和最小二乘原则回归参数估计量最小二乘。总体回归系数β的统计推断(standard error of estimate) 为回归方程所得估计值的标准 离差， 样本回归系数b的标准误 总体回归系数β的假设检验: 总体回归系数β的置信区间 线性回归的 总体回归线的置信带总体均数的区间估计给定X=xp时,Y的总体均数的点估计为 其标准误为 Y的总体均数的（1-α）置信区间为 总体回归线的置信带 同时考虑X的所有可能取值时，总体均数的点估计为回归直线其（1-α）置信区间为一个弧形区带，称为回归直线的置信带（confidence band ）。 个体值预测带个体预测值Y的区间估计总体中，当Xp为某一固定值时，个体Y值是在一定范围内波动的，其分布的标准差按下式估计： 个体Y值的预测区间 （prediction interval）为 个体值预测带同时考虑X的所有可能取值时，体预测值的点估计回归直线其（1-α）置信区间为一个弧形区带，称为体值的预测带（prediction band ）。 残差分析残差（residual）是指观测值Yi与回归模型拟合值之差，，常称其为普通残差。反映模型与数据拟合优劣的信息。 残差分析(residual analysis)旨在通过残差深入了解数据与模型之间的关系，评价实际资料是否符合回归模型假设，识别异常点等。 非线性回归 对于可线性化的非线性回归而言，通过自变量变换实现的步骤是： 1.将观测数据（x, y）作散点图，观察散点分布特征类似于何种函数类型； 2.按照所选定的函数进行相应的变量变换； 3.用变换后的数据用常规最小二乘（OLS）法求解模型的参数估计。 4.拟合多个相近的模型，然后通过对各个模型的拟合优度评价挑选较为合适的模型。 5.一般可线性化的非线性回归 [案例讨论参考答案] [电脑实验及结果解释] 实验12-1 回归回归01 DATA a; 建立数据集a; 02 INPUT x y@@; 定义变量x和y并连续读入数据； 03 CARDS; 数据块开始语句； 04 1.1 14 1.2 13 05 …… 06 1 15 0.7 17 07 ; 数据块结束； 08 proc reg; 调用reg过程建立回归方程； 09 model y=x; 定义回归模型，指定y为应变量，x为自变量； 10 PLOT y*x; 绘制x和y的散点图； 12 RUN; 运行程序； 运行结果： Output窗口： 回归的方差分析表： The REG Procedure Model: MODEL1 Dependent Variable: y Analysis of Variance Sum of Mean Source DF Squares Square F Value Pr F Model 1 19.68416 19.68416 78.76 .0001 Error 13 3.24917 0.24994 Corrected Total 14 22.93333 回归有关统计量： Root MSE （误差标准差） 0.49994 R-Square （R2） 0.8583 Dependent Mean （应变量均值） 14.93333 Adj R-Sq（调整R2） 0.8474 Coeff Var （变异系数） 3.347