回归分析的基本思想和其初步应用上课.ppt

什么是回归分析：; 比《数学3》中“回归”增加的内容;1、两个变量的关系;思考：相关关系与函数关系有怎样的不同？;问题2：对于线性相关的两个变量用什么方法来刻划之间的关系呢？;3、回归分析的基本步骤:;自学指导;例1 从某大学中随机选取8名女大学生，其身高和体重数据如表1-1所示。;;所以回归方程是;探究P4： 身高为172cm的女大学生的体重一定是60.316kg吗？如果不是，你能解析一下原因吗？;函数模型与回归模型之间的差别;1.用相关系数 r 来衡量;①、当 时，x与y为完全线性相关，它们之间存在确定的函数关系。 ②、当 时，表示x与y存在着一定的线性相关，r的绝对值越大，越接近于1，表示x与y直线相关程度越高，反之越低。;相关关系的测度（相关系数取值及其意义）;由于所有的样本点不共线，而只是散布在某一直线的附近，所以身高和体重的关系可以用线性回归???型来表示：;思考 产生随机误差项e的原因是什么？;问题二：在线性回归模型中，e是用bx+a预报真实值y的随机误差，它是一个不可观测的量，那么应如何研究随机误差呢？;问题三：如何发现数据中的错误？如何衡量随机模型的拟合效果？;残差图的制作和作用： 制作：坐标纵轴为残差变量， 横轴可以有不同的选择.可以为编号；可以为解释变量;残差图的制作及作用。 坐标纵轴为残差变量，横轴可以有不同的选择； 若模型选择的正确，残差图中的点应该分布在以横轴为心的带形区域； 对于远离横轴的点，要特别注意。; 显然，R2的值越大，说明残差平方和越小，也就是说模型拟合效果越好。;1;问题四：结合例1思考：用回归方程预报体重时应注意什么？;（1）确定研究对象，明确哪个变量是解析变量，哪个变量是预报变量。;相关指数越大，效果越好