第三章 回归分析1.ppt.ppt

大气统计方法;;;1 一元线性回归;回归的基本思想;回归关系的假定： y = f (c, x)+e , 线性或非线性;1) 散点图 (Scatter);ENSO 时间演变 Time Evolutions;[例1] 要预报北京3月下旬平均最低温度 Tm， 用环流指标 A (3月16—20日500 hPa 候平均图上沿 130oE，39o一40oN 的高度差)作为预报因子．为考察它们之间的统计关系，选取195l一1970年资料(见表2.1)． ** 为了更清楚表现它们的关系，还可以绘成变化曲线比较图(图2.1)及散布图(图2.2)．;从上图可见，点子的散布基本上围绕着一条直线。 因此，可以认为 Tm与A基本上是一种线性关系。;对总体，假设有：;经整理，得到求解 b0, b 的标准线性方程组:;回归问题的方差分析;回归问题的方差分析;;相关系数与线性回归;3).回归方程显著性检验 就 y=?0 + ? x +e 给出原假设 H0（事件）: ? =0 (2) 构造与原假设 H0 有关的统计量，该统计量服从已知的 F--分布: F ( p, n-p-1 ) 分布, （例如：一元情况下 p=1, f1=1, f2 =n-2) (3) 根据样本值计算上述统计量的观测值 (4) 将计算值与查表得到的理论值进行比较，确定对H0 的接受与拒绝;回归方程的显著性检验;回归系数的显著性检验;回归系数的显著性检验;回归平方和;给定 x0 ，则在给定的α 下， y0的置信区间为: ;clear x=[32 25 20 26 27 24 28 24 15 16 24 30 22 30 24 33 26 20 32 35]; %环流指标 A (3月16—20日500 hPa 候平均图上沿 130E，39一40N 的高度差) y=[0.9 1.2 2.2 2.4 -0.5 2.5 -1.1 0 6.2 2.7 3.2 -1.1 2.5 1.2 1.8 0.6 2.4 2.5 1.2 -0.8]; % 北京3月下旬平均最低温度 Tm plot(x,y,*) %作散点图 ylabel(Tm(北京3月下旬平均最低温度)) %横坐标名 xlabel(A(环流指标)) %纵坐标名 %建立直线回归方程 n= size(x,1) % 计算样本容量 [p,s]=polyfit(x,y,1); % 调用命令polyfit计算回归参数 y1=polyval(p,x); % 计算回归模型的函数值 hold on plot(x,y1) % 作回归方程的图形 p % 显示参数的最小二乘估计结果 ;%误差估计与决定系数 TSS=sum((y-mean(y)).^2) %计算总离差平方和 RSS=sum((y1-mean(y)).^2) %计算回归平方和 ESS=sum((y-y1).^2) %计算残差平方和 R2=RSS/TSS; %计算方差解释率. %回归方程关系显著性的F检验 F=(n-2)*RSS/ESS %计算的F统计量 F1=finv(0.95,1,n-2) %查F统计量0.05的分位数 F2=finv(0.99,1,n-2) %查F统计量0.01的分位数 %回归关系显著性的t检验 T=p(2)/sqrt(ESS/(n-2))*sqrt(sum((x-mean(x)).^2)) %计算T统计量 T1=tinv(0.975,n-2) %t统计量0.05的分位数 T2=tinv(0.995,n-2) %t统计量0.01的分位数 %预测 x1=24; % 输入自变量,如[-1,0,1] yc=polyval(p,x1) % 计算预测值 [Y,Delta]=polyconf(p,x1,s); I1=[Y-Delta,Y+Delta]