精选2011-06-非线性回归分析_598703625.pptVIP

* 例子 * 例子 * 例子 由于商品零售额增加，流通费用率呈下降趋势，二者之间为负相关关系，故相关系数取负值为：－0.9898。说明两者高度相关，用双曲线回归模型配合进行预测是可靠的。 * 例子 * 本章小节 回归分析和相关分析目的不同 在回归分析中，寻找的是变量之间的关系，代表这种关系的方程可能就是所期望的结果，也可能是所期望预测的均值。 * 虚拟变量回归预测 * 虚拟变量回归预测 １．虚拟变量 　品质变量不像数量变量那样表现为具体的数值。它只能以品质、属性、种类等形式来表现。要在回归模型中引入此类品质变量，必须首先将具有属性性质的品质变量数量化。通常的做法是令某种属性出现对应于1，不出现对应于0。这种以出现为１，未出现为０形式表现的品质变量，就称为虚拟变量。 ２．带虚拟变量的回归模型 常见的带虚拟变量的回归模型有以下二种形式： * 虚拟变量回归预测 * 其中的趋势变化如右图所示 虚拟变量回归预测 * 虚拟变量回归预测 * 虚拟变量的回归模型应用举例 例 某省农业生产资料购买力和农民货币收入统计数据，根据上述统计数据，试建立一元线性回归模型和带虚拟变量的回归模型，并将两模型对比分析 * 虚拟变量回归模型的应用举例 * 虚拟变量回归模型的应用举例 * * * * * * * * * * * * * 袁克虹 办公电话办公地点:L楼305B 邮件：yuankh@sz.tsinghua.edu.cn 2011.04.29 一元非线性回归分析 * . * 回顾-一元一次线性回归 步骤： 1.观察散点图 2.判断是什么关系; 3. 回归参数计算； 4. 判断系数； 5.显著性检验（注意H0） 6.失拟合检验（注意需要的条件） 指标评价 相关系数，判断系数 回归公式 显著性检验 H0假设的含义；方差分析表；F(1,n-2) 失拟合检验 条件？F(m-2,n-m) * 回归分析内容 一元线性 步骤： 1.观察散点图，2.判断是什么关系，3. 回归，4. 判断系数；5。显著性检查（注意H0），6.失拟合检验（注意需要的条件） 一元非线性 带虚拟变量 多元线性 多元非线性和逐步回归 Logistic回归 * 炼钢厂出钢水时用的钢包，在使用过程中由于钢水及炉渣对耐火材料的浸蚀，其容积不断增大。现在钢包的容积用盛满钢水时的重量y (kg)表示，相应的试验次数用x表示。数据见表，要找出y 与x的定量关系表达式。 一次非线性回归 * 钢包的重量y与试验次数x数据 序号 x y 序号 x y 1 2 106.42 8 11 110.59 2 3 108.20 9 14 110.60 3 4 109.58 10 15 110.90 4 5 109.50 11 16 110.76 5 7 110.00 12 18 111.00 6 8 109.93 13 19 111.20 7 10 110.49 ? ? ? 下面我们分三步进行。 * 确定可能的函数形式 为对数据进行分析，首先描出数据的散点图，判断两个变量之间可能的函数关系，图是本例的散点图。 观测这13个点构成的散点图，我们可以看到它们并不接近一条直线，用曲线拟合这些点应该是更恰当的，这里就涉及如何选择曲线函数形式的问题。 * 首先，如果可由专业知识确定回归函数形式，则应尽可能利用专业知识。当若不能有专业知识加以确定函数形式，则可将散点图与一些常见的函数关系的图形进行比较，选择几个可能的函数形式，然后使用统计方法在这些函数形式之间进行比较，最后确定合适的曲线回归方程。为此，必须了解常见的曲线函数的图形，。 * 本例中，散点图呈现呈现一个明显的向上且上凸的趋势，可能选择的函数关系有很多，比如，我们可以给出如下四个曲线函数： 1) 1/y=a+b/x 2) y=a+blnx 3) 4) 在初步选出可能的函数关系(即方程)后，我们必须解决两个问题：如何估计所选方程中的参数？如何评价所选不同方程的优劣？ * 对上述非线性函数，参数估计最常用的方法是“线性化”方法。 以1/y=a+b/x为例，为了能采用一元线性回归分析方法，我们作如下变换u=1/x,v=1/y 则曲线函数就化为如下的直线v=bu 这是理论回归函数。对数据而言，回归方程为 vi=a+ bui + ?i 于是可用一元线性回归的方法估计出a,b。 * 参数估计计算表