北京林业大学《数理统计A》ch6回归分析.docVIP

第六章 回归分析 §6.1 一元线性回归 模型 例：从某年龄男孩中任意挑选10名，测量他们的身高和体重得数据： 身高x(cm) 157 167 165 158 155 156 164 160 158 163 体重y(kg) 46 55 52 46 42 45 49 47 44 49 体重随身高的增长而直线增长的趋势可描述为： ， 记 ，则. 其中，、为常数，为随机变量，且。 记身高为的学生体重为 ，（是随机变量），则 ，（） 其中，是独立。假定，（），未知。 问题的一般提法： ， 记，则，假定。 对应于的个不全相同的值，有个随机变量，有 ，（）（1） 其中，是独立，，（），、、是未知参数。称（1）为一元线性回归模型。 参数、、的估计 1．、的最小二乘估计 记， ， 则 （2） 其中，，. 所以，当 （*） 时，（2）达到极小。使（2）达到极小的称为、的最小二乘估计量。即，。这时，称为关于的回归方程，其图形称为回归直线（必通过）。 记，，称为在处的预测值。 2．达到的极小值记做，称为残差平方和（或剩余平方和）。 则 。这里的由（*）确定。 的计算： . 3．的计算： 的分子： ， 的分母：， 所以，， 例：13岁男生身高和体重的例中，求回归模型中、的最小二乘估计。 解：，，， ，，， ， . 由此， 为13岁男生体重关于身高的回归方程。 4．是、的无偏估计： /*， */ 5．的估计 可以证明：，所以 ， 有无偏估计： 身高体重关系的例中：，， ，. . 三．回归方程的显著性检验 ： ，： （一）检验 真时， ， 其中，， /*利用了与独立*/ 给定显著水平，， 若，则拒绝. 例如：13岁男生身高、体重关系的例中，判断体重对身高的线性回归关系是否显著（）。 解：检验 ： ，：，。 ，， ， ，， ，拒绝，认为对的线性回归关系显著。 （二）样本相关系数 1.平方和分解 将的离差平方和分解： 其中， （∵） ∴. 其中 . (利用了，∴) 2.样本相关系数的定义 记 称为对的样本相关系数。 因 为 ，所以 ，且与同号。 由 ，有 . 越接近于1，说明对的相关关系越紧密。 3.利用检验 ： ，： 真时， ，给定显著水平 ，时，拒绝。 因为， 所以， 解得： 可查表（附表17，P273时，拒绝，认为. 例如：13岁男生身高、体重关系的例中， =. 检验 ：（对的线性回归关系不显著）。 取，，∴ 因为 ，所以拒绝，认为对的线性回归关系显著。进一步，因，所以，关于是正相关的。 （三）-检验 可以证明： 拒绝域： 其中 。 检验、检验、-检验三者等价。 四．预测 对任一给定的，由回归方程得回归值： ， 其中和是和的最小二乘估计。 用作为的估计。 预测：对给定的可靠性，找，使 ， 或 可以证明： 于是， 另外可以证明：，及与独立。 由此， =（教材P177（6.40）） 对给定的可靠性，由 ， 得作为的估计，其绝对误差限为 （教材P178（6.42）） 的可靠性为置信区间为 . 注：当时， 。随着远离，逐渐增大。置信区间控制线形成以为中心的喇叭口形（P178图6.6）时，对应的体重的估计值、可靠性为95%的绝对误差限和置信区间。 解：回归方程为： ， 时，， ，， ，， 所以， 的可靠性为95%置信区间为： 。 一元线性回归小结： 1. 模型 ， 2. 数据 ，（） （1），； （2），；（3）. 3. 、最小二乘估计 ， 经验回归方程：. 4. 残差平方和： 5. 的估计： 回归剩余标准差： 6. 样本相关系数： 7. 检验 ：，： （1）检验：，拒绝域： （2） /*（3）-检验： 拒绝域： */ 其中 。三种检验等价。 8. 预测 ， ， 可靠性为置信区间：. §6.2可以化为一元线性回归的非线性回归问题 例：单位：天 种别 开始走动的时间 开始玩耍的时间 （1）人 360 90 （2）大猩猩 165 105 （3）猫 21 21 （4）家犬 23 26 （5）挪威鼠 11 14 （6）乌鸫 18 28 （7）混血弥猴 18 21 （8）黑猩猩 150 105 （9）松鼠猴 45 68 （10）花鼠 45 75 （11）白脸猴 18 46 模型 （*） 测数据为 ， （*）式两边取对数得 ， 记 ，，，， 得 。 令，，， 得到用于回归的新数据 5.886 4.5 5.106 4.654 3.045 3.045 3.135 3.258 2.398 2.639 2.89 3.332 2.89 3.045 5.011 4.654 3.80