应用线性回归第一章程序.ppt

教材;参考书;回归分析的一般介绍;一、变量间的统计关系; 在实际问题中，变量间存在大量非确定关系，它们之间虽存在密切，但其密切程度不是由确定关系能够刻画的。 例如：人的血压与年龄之间也存在着关系。 但相同年龄的人血压往往不相同。 子女的身高和父母的身高有很强的关系。 一般来说，父母身高越高，孩子身高也高， 但是父母身高相同，子女的身高可以不相同。; 在这种非确定性关系中，自变量（如：年龄、父母的身高）取确定值时，因变量的值（如：血压、子女的身高）是不确定的， 但两者有一定联系。这种不完全确定的变量间的关系称为统计相关关系。 更确切地说，若一个变量X取某一个可能值时，对应地随机变量Y有一个确定的且与有关的分布（或条件分布）存在，则称Y与X有统计相关关系（这里X和Y也可以是向量）。;二、回归模型??一般形式;线性回归模型： 回归常数： ； 回归系数： 。 ;设样本观察值为 ，则线性回归模型可表示为 参数估计： 经验回归方程： ； Y的预测值： ;三、回归模型的基本假设; 回归分析目前是所有统计分支中应用最广泛的一门学科，它被用于几乎所有的研究领域及工农业生产，包括产品的统计质量管理，市场预测，自动控制中数学模型的建立、气象预报、地质勘探、医学卫生等等。回归分析研究的范围大致如下： ;; 在回归分析中，当自变量给定x的值时，y的值不能确定，只能通过一定的概率分布来描述。 用F(y|x)表示当X=x时，所对应的Y的分布函数。若Y的数学期望E(Y|x)存在，则它的值随x取值而定，是x的函数，记为 f(x).称f(x)=E(y|x)为y关于x的均值回归函数。; 回归分析的方法以至“回归”这个名称的起源，统计史上一般归功于英国生物学家兼统计学家F.Galton（1822—1911）。 Galton是一个英国绅士科学家之一。他是一个上层英格兰人，在剑桥学医。他在开始遗传学研究之前，他探索了非洲大陆。在1859年出版的巨著《物种的起源》的Ohnrles Dorwin是他的侄子。;;六、建立实际回归模型的过程;1.在回归分析的应用中，定性分析和定量分析相结合。 回归方程在一定程度上揭示了两个相关变量x和y之间的规律。 但仔细研究回归直线计算公式时就会发现，在计算过程中，并不需要事先假定两个变量之间一定要具有线性相关关系。这就是说，就方法本身而言，即使是对平面上一堆杂乱无章的点，也可以用最小二乘法给它们配一条直线来近似表示x和y之间的关系。如果x和y之间根本不存在线性相关关系，这样求出的回归方程其实是没有意义的。通常情况下，希望因变量与自变量有因果关系。 2.自变量选择原则：少而精。 自变量太多，会出现共线性和随机误差增大，影响计算精度； 漏掉主要变量肯定会影响模型效果。;3.数据收集：时间序列数据、横截面数据、面板数据。如何掉调整统一统计口径，如何折算、差分、取对数、标准化、补缺、处理异常值、处理异方差数据。 4.模型的检验：放在实践中去检验；统计检验包含模型检验与回归系数的检验。 5.回归模型的应用：下结论。 好的模型可用来进行分析、控制和预测。;6.回归分析，随着自变量的增加，计算会变得相当复杂，所以在计算机出现以前，它的应用受到了一定的限制。随着计算机的不断发展，速度成倍增加，回归分析的复杂的计算问题已经基本解决。目前世界上有许多能进行回归分析的统计软件：如SAS、SPSS、S-PLUS、R等等。;有关理论 模型 数据 统计技术 有关假定;思考题;第一章;§1.1一元线性回归模型;例1.1 Forbes 数据 为了研究水的沸点和气压之间的关系，测得17个地方的数据如下表： ;编号; | | | A 144 + | | | | | A 142 + | | | | | 140 +