抽样方法绪论.ppt

第二节 统计建模简介 回归过程流程图 开始 明确问题 选择变量集合 选择模型形式 选择拟合方法 确定模型假定 拟合模型 验证假定 成立？ 评价拟合模型 成立？ 结束 残差图 异常值检验 敏感度分析 拟合优度检验 利用模型解决问题 是 否 是 否 * 现代统计建模: 全局模型与局域模型 全局模型(Global model): 环境研究中的空间效应(Spatial effects): 空间自相关(Spatial autocorrelation) 空间异质性(Spatial heterogeneity) --- uneven 局域模型(Local model): GWR 地理加权回归 β(ui, vi) : model coefficient for location (ui, vi) 第二节 统计建模简介 * Why do we need models??? Theoretical A model can be used to evaluate our understanding of the behavior (e.g., cause-effect) of a process Pragmatic A model can be used to predict the results of our decision making 第二节 统计建模简介 蒸腾作用 小麦产量 Source: René Gommes. Presentation: Crop models and remote sensing,Beijing, 2014, 7 * 第二节 统计建模简介 George Edward Pelham Box? (1919?–2013) was a statistician, has been called one of the great statistical minds of the 20th century. Source: /wiki/George_E._P._Box * 得出结论 Draw Conclusions 统计推断(Statistical inference ): 根据带随机性的观测数据（样本）以及问题的条件和假定（模型），而对未知事物作出的，以概率形式表述的推断。它是数理统计学的主要任务，其理论和方法构成数理统计学的主要内容。 第三节 抽样与建模的区别与联系 总体 Population 样本 Sample 数理统计 Statistics 总体参数 Parameters 收集数据 Collect data 统计推断 Statistical Inference 描述样本 Describe Sample * 第三节 抽样与建模的区别与联系 Sampling focuses on how do we get sample and what sampling design could provide us the most accurate (unbiased and precise) result for a fixed population. ——Design-based inference Regression focuses on how to get the best model to represent the relationship between independent variable and dependent variables after sampling procedure and assumes the sample data is good enough to present the population and follow the model assumptions. ——Model-based inference 抽样: 如何得到样本；对于一个固定的总体目标，什么样的抽样设计能够得到最准确的（无偏和精确）的结果；——基于设计的推断 建模或回归建模：在样本数据足以代表总体目标并遵循模型假设的前提下，寻找能够表达自变量和因变量关系的最佳模型/关系式——基于模型的推断 * 第三节 抽样与建模的区别与联系 How does sampling differ from other statistics courses? 1. Sampling focuses on descriptive objectives (means, totals, proportions). 2. Sampling focuses on how the sample is selected (sampling design). 3. Sampling requires an explicit,