1.1回归分析的基本思想及其初步应用要点.ppt

1.1回归分析的基本思想及其初步应用;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。;由数学三的知识可知 根据最小二乘法估计 和 就是未知参数a和b的最好估计，;根据最小二乘法估计 和 就是未知参数a和b的最好估计，;探究： 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？;从散点图还看到，样本点散布在某一条直线的附近，而不是在一条直线上，所以不能用一次函数y=bx+a描述它们关系。;思考 产生随机误差项e的原因是什么？;函数模型与回归模型之间的差别;;对回归模型进行统计检验;表1-4列出了女大学生身高和体重的原始数据以及相应的残差数据。;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。;思考： 如何刻画预报变量（体重）的变化？这个变化在多大程度上 与解析变量（身高）有关？在多大程度上与随机误差有关？;在例1中，残差平方和约为128.361。; 由于解析变量和随机误差的总效应（总偏差平方和）为354，而随机误差的效应为 128.361，所以解析变量的效应为;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;用身高预报体重时，需要注意下列问题：;一般地，建立回归模型的基本步骤为：;;;;;;;;