11-12一般线性相关和多元回归.ppt

Simple Linear Regression一般线线性回归分析 一元线性回归 一元线性回归 数学模型 最小二乘法 残差 (或误差) 由 ei = Yi - (a + bXi) 表示 最适合的直线即是残差平方和最小的那条线。 最小二乘法 例1 A 黑带想了解一化学蒸馏过程中氧气的纯度(Y)与冷凝器中的炭氢化合物的%之间的关系. Example 1A 例1A Minitab Stat ? Regression ? Regression 例1A： Minitab的对话窗口 Regression Analysis: Oxygen purity % versus Hydrocarbon % The regression equation is Oxygen purity % = 74.3 + 14.9 Hydrocarbon % Predictor Coef SE Coef T P Constant 74.283 1.593 46.62 0.000 Hydrocar 14.947 1.317 11.35 0.000 S = 1.087 R-Sq = 87.7% R-Sq(adj) = 87.1% Analysis of Variance Source DF SS MS F P Regression 1 152.13 152.13 128.86 0.000 Residual Error 18 21.25 1.18 Total 19 173.38 测定系数-- R2定义 测定系数，R2是由回归线代表y中变异数量 统计性意义 线性回归方差分析表 Source DF Sum of Square (SS) Mean Square (MS) Regression 1 SSR = ?i (Yi – Y )2 SSR ÷ 1 Error n-2 SSE = ?i (Yi – Yi )2 SSE ÷ (n-2) Total n-1 SST = ?i (Yi – Y )2 F* = MSR ÷ MSE vs F(1 , n-2)-distribution 整体显著性 在Minitab中P数值是对回归等式的整体显著性的测量 Example 1B 例 1B Minitab Stat ? Regression ? Fitted Line Plot Example 1B: Fitted Line Plot例1B：拟合线图 例2：残差分析 例2：Minitab的残差图表 例2：Minitab的四合一图 置信区间 Confidence Interval 置信区间(CI) 对于一个给出的 X，Y的平均值的分布区间 。该区间在X=X处最窄； X 值离 X 越远其区间宽度越大。 Prediction Interval 预测区间 (PI) 对于与一个给出的X值相应的个别的Y值的区间。由于其应用个体值，该区间比置信区间宽。 例 ２ 从文件Oxygen purity.mtw中，测定对于已获得的 线性回归模型的95%置信区间和预测区间。 Minitab 例 2 Minitab Stat ? Regression ? Fitted Line Plot 例2： Minitab的 CI PI 图 例4： 预测 Example 4: Predictions 例4： 预测 例4： Minitab 输出 具有影响的数据点 具有影响的数据点包括下列现象 1) 在正常数据模式以外的数据 强烈影响回归结果的数据 （也就是显著改变斜率或y轴截取值） 具有影响的数据点 这些现象并不一定是坏现象，因此你不一定要删除他们。 具有影响的数据可由于下列原因而被删除： 测量误差 数据输入误差 违反物理定律 具有影响的数据现象：界外点 Outliers 界外点 具有很大的残差数值的现象数据。 具有影响的数据现象：杠杆点 Leverage Points 杠杆点 X方向的高数值数据，它对于平方占有很高的比例 具有影响的现象数据 界外点的处理方法 对于如下两种情况，可以取消界外点： 对不将其纳入分析中有合理的解释（例如：输入错误） 2) 若纳