回归分析论文精选.docVIP

合肥学院 应用一元线性回归分析SAS统计软件进行数据的处理,拟合出年份与温度间的线性关系。分析软件运算的结果，最终得到实际的一元线性关系。 关键词温度与年份 一元线性回归 t检验 线性回归理论 （1）一元线性回归模型 其中，为模型参数，为随机误差项，X是自变量，Y是因变量。 对（X），则有，其中为x对y的线性影响而形成的系统部分，反映两变量的平均变动关系，即本质特征，为随机干扰：各种偶然因素、观察误差和其他被忽视因素的影响。 （2）最小二乘估计 参数的最小二乘估计量使误差平方和达到最小，即 其中 正规方程： ，若可逆， 经验回归方程： 回归拟合值和残差： 回归拟合值 ： 拟合向量： 残差值： 残差向量： （3）最小二乘估计的性质 （4）回归方程的显著性检验 复相关系数： 决定系数： ：即修正的 线性模型回归的检验： 方差来源 平方和 自由度 F值 回归 误差 总计 RSS ESS TSS p n-p-1 n-1 ? 回归系数检验： 二、问题提出与分析 下表为南极南部海洋站CAPETOWN68816从1901年到1960年这60年一月份的温度，建立建立SAS数据文件,探讨年份与温度的关系。 年份 温度 年份 温度 1901 19.6 1931 23.6 1902 19.3 1932 20.5 1903 19.9 1933 21.3 1904 20.7 1934 22.2 1905 20.8 1935 22.1 1906 19.9 1936 19.4 1907 20.7 1937 21.7 1908 19.8 1938 21.1 1909 21.3 1939 21.8 1910 21.4 1940 22.2 1911 21.1 1941 22.2 1912 20.9 1942 21.4 1913 22.8 1943 20.3 1914 20.4 1944 21.8 1915 22.9 1945 21.2 1916 21.4 1946 20.7 1917 21.6 1947 21.1 1918 21.6 1948 21.8 1919 20.5 1949 21.7 1920 22.7 1950 21.6 1921 20.0 1951 20.5 1922 20.3 1952 21.7 1923 21.0 1953 22.7 1924 22.1 1954 21.4 1925 20.9 1955 22.2 1926 21.8 1956 22.0 1927 22.3 1957 22.3 1928 21.7 1958 21.7 1929 22.5 1959 20.7 1930 21.2 1960 21.9 数据来源：http://legacy.bas.ac.uk/met/READER/temp_html/cape.html 三、模型建立 设温度为因变量Y，年份为自变量X，建立一元线性回归模型如下： 其中，为模型参数，为随机误差项。 做出这组数据的散点图如下： 从图中可以看出，因变量与自变量在带状区域内呈线性关系，且因变量随着自变量的增大而增大，所以可以预测这组数据可以用某条直线来拟合，且在回归模型中，。 （1）程序（1）： data ch; input wendu nianfen @@; cards; 19.6 1901 19.3 1902 19.9 1903 20.7 1904 20.8 1905 19.9 1906 20.7 1907 19.8 1908 21.3 1909 21.4 1910 21.1 1911 20.9 1912 22.8 1913 20.4 1914 22.9 1915 21.4 1916 21.6 1917 21.6 1918 20.5 1919 22.7 1920 20.0 1921 20.3 1922 21.0 1923 22.1 1924 20.9 1925 21.8 1926 22.3 1927 21.7 1928 22.5 1929 21.2 1930 23.6 1931 20.5 1932 21.3 1933 22.2 1934 22.1 1935 19.4 1936 21.7 1937 21.1 1938 21.8 1939 22.2 1940 22.2 1941 21.4 1942 20.3 1943 21.8 1944 21.2 1945 20.