1_回归技术总结.ppt

对回归系数 3、回归系数显著性检验 进行显著性 检验，步骤如下： 回归分析 逐步回归分析 　　 在实际问题中, 人们总是希望在回归方程中包含所有对因变量影响显著的自变量，不包含对影响不显著的自变量。 逐步回归分析的主要思路是在考虑的全部自变量中按其对的作用大小, 显著程度大小或者说贡献大小, 由大到小地逐个引入回归方程, 而对那些对作用不显著的变量可能始终不被引人回归方程。 另外, 己被引人回归方程的变量在引入新变量后也可能失去重要性, 需要从回归方程中剔除出去。 　　 逐步回归方法 * 表示在0.1水平上显著 **表示在0.01水平上显著 逐步回归的目的是剔除影响不显著的指标，保留原指标体系中影响显著的几个指标。 多项式线性化 n次多项式 作变量替换 变为多元线性回归问题。 回归分析 水文地质随机方法 水资源与环境学院 2015年3月 中国地质大学（北京） 课程内容 回归分析回顾 自回归分析 空间插值方法 区域化变量 克里格方法 随机模拟 其它 确定性与随机性 伽马分布 确定+随机 确定：府谷降水量乌审旗降水量 随机：明年降水量多或少？ 水电工程设计指标 数据排序与分组 数据描述 组数一般为：5—15组 组距=（最大值—最小值）/组数 直方图 某站年雨量分组统计计算表 (n=72, Δx=200mm) 组 距 出现次数 频 率 频率密度 累计频率 Δx m m/n m/(iΔx) ∑m/n (mm) (年) 　 　 (%) 2800~3000 1 0.0139 0.00007 1.39 2600~2800 1 0.0139 0.00007 2.78 2400~2600 2 0.0278 0.00014 5.56 2200~2400 4 0.0556 0.00028 11.11 2000~2200 6 0.0833 0.00042 19.44 1800~2000 16 0.2222 0.00111 41.67 1600~1800 19 0.2639 0.00132 68.06 1400~1600 15 0.2083 0.00104 88.89 1200~1400 7 0.0972 0.00049 98.61 1000~1200 1 0.0139 0.00007 100.00 总 计 72 1.0000 0.005 　 直方图 1、均值 一、集中参数 2、中值 3、众值 Mean Mode Median 数据描述 直方图 二、离散参数 1、方差 （标准差） 2、变差系数 A、标准差20，均值10 B、标准差30，均值3000 变差系数 2 变差系数 0.01 数据描述 直方图 三、形态参数 Cs=0 Cs0 Cs0 Ce=0 Ce0 Ce0 峰度系数 偏态系数 1、偏态系数 2、峰度系数 数据描述 回归分析回顾 变量间的关系 1、函数（确定）关系 2、相关关系 变量关系 相关性度量 相关系数： 协方差： 相关系数—单位协方差 变量关系 相关性分类 完全相关、不完全相关、和不相关 正相关和负相关 线性相关和非线性相关 单相关、复相关和偏相关 注意：假相关现象 变量关系 一元线性回归 回归模型 确定回归系数 回归模型检验 回归分析 一元线性回归模型 其中 同服从于正态分布 相互独立， 回归分析 y 确定回归系数 由观测值 确定的回归函数 ，应使得 较小。 设： x：自变量； ：因变量；a、b：待定系数。 残差： 残差平方和： 回归分析 y 确定回归系数(续) 最小二乘法确定系数a、b 将方程简写成 ： 回归分析 确定回归系数(续) 回归方程 自由度 n-2 回归系数计算 数字特征值计算 回归分析 回归模型相关系数检验 1、平方和分解式 D＝E+R y 离差平方和 ＝ 残差平方和 + 回归平方和 2、相关系数 相关系数越接近于1，残差越小，回归模型越精确 回归分析 回归模型相关系数检验 F-检验 构造统计量： 该统计量服从自由度为（1，n－2）的F分布。 在给定显著水平a的情况下，与F分布表中Fa（1，n－2）值比较， 若F Fa（1，n－2），则两变量之间的线性相关关系是显著的。 回归分析 回归模型相关系数检验 t-检验 构造统计量： 在给定显著水平a的情况下，与t分布表中t a（n－2）值比较， 若t t a（n－2），则两变量之间的线性相关关系是显