第十一章简单回归分析(7版).pptVIP

若以反应变量取值Yi为横坐标，以标准化残差为纵坐标，构成的散点图如图11-7所示。类似地，也可以自变量取值Xi为横坐标, 以标准化残差为纵坐标，构成的散点图。这类散点图统称为标准化残差图。 图11-8给出的是以应变量取值为横坐标，以标准化残差为纵坐标的残差图的常见类型。其中，图(e)显示残差呈随机分布；图(a)、(b ) 和(f)表示残差不满足方差齐性条件；图(c)显示存在非线性关系；图(d)显示有的点处于?2倍标准差以外，可能是异常点。 图11-8 不同类型的标准化残差图 第四节 非线性回归 非线性回归要比线性回归更能充分地表达变量间的关系。当今线性回归之所以比非线性回归应用甚多，原因在于无论从数学理论还是计算方法，线性回归都比非线性回归模型简单得多。 第四节 非线性回归 1. 曲线直线化（linearization） 当散点分布的形状接近某些常见的函数曲线时，我们可以尝试采取变量变换的方法，使变换后的两个变量之间呈直线关系（通过散点图判断）。求出直线回归方程后，再将方程中的变量还原，便得到曲线回归方程。 一、非线性回归分析的基本策略 第四节 非线性回归 2. 非线性回归 当不能通过变量变换的方法使曲线直线化或直接进行曲线拟合时，需利用非线性最小二乘估计（non-linear least squares）的原则，采用迭代计算方法获得非线性回归模型方程。由于迭代