回归分析法.pptVIP

五、应用举例 例6－1 在某产品表明腐蚀刻线，下表是试验活得的腐蚀时间（x）与腐蚀深度（y）间的一组数据。试研究两变量（x，y）之间的关系。 腐蚀时间x（秒） 腐蚀深度y（μ） 5 5 10 20 30 40 50 60 65 90 120 4 6 8 13 16 17 19 25 25 29 46 * 40 30 20 10 y x 10 20 30 40 50 60 70 80 90 100 110 120 * * 序号 1 2 3 4 5 6 7 8 9 10 11 5 5 10 20 30 40 50 60 65 90 120 495 4 6 8 13 16 17 19 25 25 29 46 208 25 25 100 400 900 1600 2500 3600 4225 8100 14400 35875 16 36 64 169 256 289 361 625 625 841 2116 5398 20 30 80 260 480 680 950 1500 1625 2610 5520 13755 * * * * * §5－2 多元回归分析方法 * 一、多元回归分析概述 上节讨论的只是两个变量的回归问题，其中因变量只与一个自变量相关。但这只是最简单的情况，在大多数的实际问题中，影响因变量的因素不是一个而是多个，我们称这类回问题为多元回归分析。 我们这里着重讨论简单而又最一般的线性回归问题，这是因为许多非线性的情形可以化为线性回归来做。多元线性回归分析的原理与一元线性回归分析完全相同，但在计算上却要复杂得多。不过，应用计算机多元回归的计算量是很小的，一般的计算机都有多元回归（以及逐步回归方法）的专门程序 。 * * * * * * * * 多元线性回归方差分析表 * 4．偏回归平方和与因素主次的差别 前面讲的有关多元线性回归的内容，纯属一元情形的推广，只是形式上复杂一些而已，而偏回归平方和与因素主次的差别则是多元回归问题所特有的。 先从判别因素的主次说起。在实际工作中,我们还关心Y对x1,x2,···xk的线性回归中,哪些因素(即自变量)更重要些,哪些不重要,怎栏来衡量某个特定因素（ｉ＝１，２，…ｋ）的影响呢?我们知道,回归平方和U这个量,刻划了全体自变量x1,x2,···xk对于Y总的线性影响,为了研究xk的作用,可以这样来考虑:从原来的ｋ个自变量中扣除xk ,我们知道这ｋ－１个自变量x1,x2,···xk-1对于Y的总的线性影响也是一个回归平方和,记作U(k)；我们称 Pk=U-U(k) * 为x1,x2,···xk中xk的偏回归平方和。这个偏回归平方和也可看作xk产生的作用,类似地,可定义为U(i). 一般地,称 Pi=U-U(i) 为x1,x2,···xk 中ｘi的偏回归平方和。用它来衡量ｘi在Y对x1,x2,···xk的线性回归中的作用的大小。 * * 从偏回归平方和的意义可以看出,凡是对Y作用显著的因素一般具有较大的Ｐi值。Ｐi愈大,该因素对Y的作用也就愈大,这样通过比较各个因素的Pｉ值就可以大致看出各个因素对因素变量作用的重要性。在实用上,在计算了偏回归平方和后,对各因素的分析可以按下面步骤进行: ① 凡是偏回归平方和大的,也就是显著性的那些因素,一定是对Y有重要影响的因素。至于偏回归平方和大到什么程度才算显著,要对它作检验,检验的方法与本节中对总回归的检验法类似。 为此,我们要先计算   * 其中S２即是方差分析计算中的剩余方差,Fｉ自由度为（１，Ｎ－ｋ－１）,于是在给定的显著性水平α，按前面的F检验法,检验该因素的偏回归平和的显著性。 ② 凡是偏回归平方和小的,即不显著的变量;则可肯定偏回归平方和最小的那个因素必然是在这些因素中对Y作用最小的一个,此时应该从回归方程中将变量剔除。剔除一个变量后,各因素的偏回归平方和的大小一般的都会有所改变,这时应该对它们重新作出检验。 另外需要说明一下就是,在通常情况下,各因素的偏回归平方和相加并不等于回归平方和。 只有当正规方程的系数矩阵为对角型