多元线性回归和非线的性回归.ppt

多元线性回归;多元线性回归模型 (multiple linear regression model);多元线性回归模型(基本假定) ;多元线性回归方程 (multiple linear regression equation);二元线性回归方程;二元线性回归方程的直观解释;回归参数的估计;估计的多元线性回归的方程(estimated multiple linear regression equation);参数的最小二乘法;参数的最小二乘法(例题分析);回归系数表;参数的最小二乘法;线性回归方程的某些注意点;一、多重样本决定系数(multiple coefficient of determination); 多重决定系数反映样本回归方程的拟合好坏程度，R２ 愈 大，说明样本回归方程拟合得愈好。显然，　　　　 . 而;修正多重决定系数(adjusted multiple coefficient of determination);估计标准误差 Sy;回归方程显著性检验;线性关系检验（回归方程显著性检验）;线性关系检验;方差分析表;表中的Sig即为显著性P值，由P值＝0.000（近似值）可知回归方程十分显著。即可以以99.9％以上的概率断言所有自变量全体对因变量产生显著线性影响。 ;回归系数显著性检验;回归系数的检验(步骤);回归系数的推断 (置信区间);例1 spss计算出的 和P值 ;结果发现： 并不是所有的自变量单独对因变量都有显著性影响，最大的P值为0.926＞0.05，在取显著性水平a＝0.05时通不过显著性检验。 这个例子说明： 尽管回归方程通过了显著性检验，但也会出现某些单个自变量（甚至每一个）对因变量并不显著的情况。 由于某些自变量不显著，因而在多元回归中并不是包含在回归方程中的自变量越多越好。; 在此介绍一种剔除多余自变量的方法：逐步回归法 ;剔除x6工交部门事业费 后：;依次剔除，最终只保留x1,x2,x4,x8,x10,x11,x12,x13, 其回归系数见下表：;多元线性回归分析操作;多元线性回归分析操作;非线性回归; 水文研究中X和Y的数量关系常常不是线性的，如洪峰流量与流域面积之间。如果用线性描述将丢失大量信息，甚至得出错误结论。这时可以用曲线估计（Curve estimation）或非线性回归(Nonlinear regression) 方法分析。 本部分仅就一元非线性回归问题，讨论其参数估计。;1，线性化方法2，直接最小二乘法3，二步法;线性化方法;一、非线性模型的线性化; ;利用线性回归拟合曲线;（一）绘制散点图，决定曲线类型（对数曲线)（二）曲线直线化变换 =a+blnX ;（三）建立线性回归方程 ;直接最小二乘法;用线性回归拟合曲线（例2）;（一）绘制散点图，决定曲线类型;（二）曲线直线化变换;（三）建立线性回归方程 ;;;二步法;非线性回归方程的评价