应用统计回归分析.pptVIP

第十章 回归分析 回归分析的基本概念 一元线性回归 多元线性回归 1、函数关系 y=f (x)； 2、相关关系 Y = f (x, ?)， 其中?为随机变量。 常把上述关系表为: Y = f (x) + ? 二、一元线性回归的数学模型 §10﹒2 一元线性回归 参数的最小二乘估计 模型线性性的检验 预测与控制 一、参数的最小二乘估计 1. ?0, ?1的最小二乘估计 模型线性性检验方差分析表 三、预测与控制 §10.3 p(多)元线性回归 p元线性回归模型 参数估计——最小二乘估计 假设检验与回归系数的区间估计 预测和变量控制 一、p元线性回归模型 对p元线性回归模型我们将研究下面几个问题 由样本观测值(10.3.2)去估计未知参数?1,…, ?p , ?2，从而建立y与x1,…,xp间的数量关系式（所谓的回归方程）； 对由此得到的数量关系式的可信度进行统计检验； 检验各变量x1,…,xp 分别对指标y是否有显著影响； 回归系数的区间估计、预测和变量控制。 二、参数估计 定义 推论 例 求p元中心化回归模型 定理10.2 ? 的L.S.E与残差向量的几何意义 三、假设检验 变量y与x1, ··· , xp之间是否确有线性关系 即检验假设 H0：?1=?2=···=?p=0 (10.3.17) 若y与x1, ··· , xp之间确有线性关系，那么 因子xj对y作用是否显著呢？这需要检验 假设 H0 ：?j=0, (j=1, ··· , p) (10.3.18) 1. 假设 (10.3.17)的检验法 2. 假设(10.3.18)的检验问题 四. 回归系数的区间估计、预测和变量控制 1. ? 的线性函数的区间估计 2. y的预测区间 3. x的控制 五. 可化为线性回归的例子 1.模型 y=a+bsint+? ，?~N(0, ?2) (10.3.28) 其中a、b、 ?2为与t无关的未知参数，只要令 x= sint，即可得一元线性回归模型。 2.模型 y=a+bt+ct2+?， ?~N(0, ?2) (10.3.29) 其中a、b、 c 、?2为与t无关的未知参数，只要 令x1= t， x2= t2 ，即可得二元线性回归模型。 可推广到y= gn(t)+?， ?~N(0, ?2)的情形，其中 gn(t)=an+an?1t+ ···+ a0t n ， 为n次多项式。 3.模型 ?(y)=a+bx +? ，?~N(0, ?2) (10.3.30)其中? 为已知函数，且具单值反函数，a、b、 ?2为与x无关的未知参数，只要令z=?(y) 即可。 近代统计学的地位 统计学是当今最重要的科学技术之一 很多人不了解统计学! (1) 美国 “科学84年”杂志选出“20世纪对人类生活影响最大的20项 科技成果”；统计学 入选其中(其它如：相对论、激光、电视、塑料、DNA等) 。 (2) 法国科学院近来向政府提交了一个报告；列举了10项应该重点发展的科技领域。其中9项为信息、能源等高科技项目,唯有一项 统计学 属于基础性学科,报告认为 “法国统计学发展的滞后对法国经济、社会的发展产生了很不利的影响”. (3) 日本战后经济发展非常快,有人认为: 以“统计质量管理” (田口方法、TQC即全面质量管理等)为中心的 统计学 方法的应用,贡献了5 % 的份额。 (4) 美国2003年“技术评论”杂志根据最新调查,介绍了全球九大新兴科技展望。其中第4项为贝叶斯统计技术 (其它如: 个人基因学；合成生物学；纳米导线；微射流光纤；等). 调查报告指出: 贝叶斯统计技术 将是下一波软件开发的基本工具；可能使外语翻译、微型芯片制造、药物发现、基因技术等领域发生巨大进步；英特尔、微软、Google等大公司都已挤入这一新领域的研发。微软已进入市场,其2003年版Outlook就包括了贝叶斯 办公室助手软件。 (5) 美国统计学家把 新的贝叶斯统计方法 应用于MX导弹试验。使导弹第一阶段的试验由36次减少到25次；可靠性由72 % 提高到93 %；可节省直接费用2.5亿美元 (美国David报告:“美国数学的现在与未来”) 。 (6) 在美国，统计是最为热门的职业之一。统计学家的工资水平也是非常高的。美国白宫人事局2003年的一份报告中指出, 统计学家 的工资名列第6；高于经济学家、计算机科学家、化学家、电气工程师、建筑师 等行业。 (7) 在英美等国，二三流大学都有统计系、生物统计系。美国 统计学博士生 获得资助率(32 %)、肯定就业率(78 %)、到重点大学就业率(43