9_回归分析.pptVIP

第二章 随机变量及其分布 第一章 随机事件及其概率 第九章 回归分析 §9.1回归分析的基本概念 §9.2线性回归方程 §9.3线性相关的显著性检验 §9.4利用线性回归方程预测和控制 §9.5非线性回归分析 §9.1回归分析的基本概念 §9.2线性回归方程 §9.3线性相关的显著性检验 1.线性回归的方差分析 2.相关系数的显著性检验 §9.4利用线性回归方程预测和控制 §9.5非线性回归分析 １化非线性回归为线性回归 ２多项式回归 * * 变量间的关系有两类： 一是函数关系：变量间有确定关系 如：正方形的边长与面积 二是统计关系或相关关系：变量间的联系不确定 如：身高与体重的关系。 变量之间的这种不确定关系称为相关关系。 回归分析是分析变量之间相关关系的一种有效方法。 设有两个变量X与Y，其中X是可以精确测量或控制,Y随X的变化而变化，但它们之间的关系是不确定的。若当X取得任一可能值x时，Y相应的服从一定的概率分布，则称随机变量Y与变量X之间存在着相关关系。 设进行n次独立试验，数据如表。得到散点图 yn … y2 y1 Y xn … x2 x1 X x y 取X=x时随机变量Y的数学期望 作为X=x时Y的估计值，即 （9.1） 当x变化时， 是x的函数，记作 用一个确定的函数关系式 ?(x)称为Y关于X的回归函数，回归方程反映了Y数学期望随X变化的规律性。 （9.2） （9.3） 确定了函数?(x)的类型后，可设 其中a1,a2,…,ak为未知参数。 然后根据试验数据来合理的选择参数 的估计值 ,使方程 在一定程度下最佳地表现变量Y与X的关系. 可以利用最小二乘法进行,使观测值yi与相应的函数值 的偏差平方和最小. （9.5） （9.4） 当变量Y与X之间有线性关系时, 可用方程 （9.10） 来描述变量Y与X之间关系。设随机变量 按最小二乘法确定参数，使偏差平方和S最小 分别求S对a及b的偏导数，并令其等于零。 （9.11） （9.12） 得 其中sx2是观测值xi的样本方差。 式中 其中 （9.15） （9.18） （9.19） （9.20） 引入 其中sy2是观测值yi的样本方差。 计算得到 值，代入线性方程 （9.21） 称为Y 关于X的线性回归方程, 为回归系数,对应的直线称为回归直线. 书240例　某商场一年内每月的销售收入X(万元)与销售费用Y(万元)统计如下表:求销售费用Y关于销售收入的线性回归方程. 30.0 271.8 27.9 233.4 21.8 197.0 29.2 230.0 29.3 227.1 20.6 157.0 34.2 251.9 24.2 217.8 22.8 179.5 27.8 242.0 32.4 239.4 25.4 187.1 yi xi yi xi yi xi 当且仅当b?0时,变量Y与X之间存在线性关系. 原假设H0为 考察样本yi的偏差平方和 分解为: （9.22） （9.23） （9.25） 回归平方和SR 剩余平方和Se SR反映了回归值的分散程度,这是由于Y与X之间的线性相关关系引起的. Se反映了观测值偏离直线的程度,这是由于观测误差等随机因素引起的. （9.26） （9.28） 如原假设正确,则 选取统计量 （9.29） （9.30） （9.31） （9.32） 由附录表查?分位点，若FF?(1,n-2),则拒绝原假设H0=b,即认为Y与X之间存在线性关系显著。 实际计算时利用下列公式 （9.35） （9.33） （9.34） ST 总计 Se 剩余 SR 回归 显著性 ?分位点 Ｆ值 自由度 平方和 方差来源 线性回归的方差分析表 书244例　某商场一年内每月的销售收入X(万元)与销售费用Y(万元)统计如下表。利用方差分析检验该商场每月的销售费用Y与销售收入X之间的线性相关关系是否显著。 30.0 271.8 27.9 233.4 21.8 197.0 29.2 230.0 29.3 227.1 20.6 157.0 34.2 251.9 24.2 217.8 22.8 179.5 27.8 242.0 32.4 239.4 25.4 187.1 yi xi yi xi yi xi 11 196.27 总计 10 54.61 剩余 ** F0.01(1,10)=10.04 25.94 1 141.66 回归 显著性 ?分位点 Ｆ值 自由度 平方和 方差来源 线性相关关系是否显著,可考察相关系数R(x,y)的大小.若其绝对值很小,则线性相关不显著. 根据试验数据计算X与Y的样本相关系数r作为R(x,y)的估计值. （9.36） r的绝对值接近于1,Y与X之间