误差分析与课件 线性回归及应用 .ppt

线性回归分析 线性回归分析及应用 线性回归分析 两个变量之间的关系： 1.函数关系－－－确定的关系 2.相关关系－－－非确定的关系 （1）一个可控制，另一个不可控制 （2)两个变量都不可控制（随机） 线性回归分析 3.回归分析 回归分析就是通过对一定数量的观测数据进行统计处理，以找出变量间相互依赖的统计规律。 例1-1： 例1-1： 为获得施肥量与产量之间的输入输出关系，将测的那些实验数据点标在坐标纸上，如下图示 1.1一元线性回归 一、一元线性回归方程的求法 一元线性回归是处理随机变量 和变量 之间线性相关关系的一种方法。 一元线性回归方程的求法（Ⅰ） 当 的值为 时，相应有 一元线性回归方程的求法（Ⅱ） 某一观测值 与回归值 之差用 表示 一元线性回归方程的求法（Ⅲ） 由以上两式，经推导整理可得 一元线性回归方程的求法（Ⅳ） 至此，可确定一元线性回归方程 例1-2（Ⅰ）： 例1-2： 假如某大量程式位移传感器的实测数据如下表所示，求输出电压 与位移 之间的关系。 例1-2（Ⅰ）： 例1-2（Ⅱ）： 5.计算 二、回归方程的方差分析和显著性检验 1.回归方程的方差分析 N个观测值之间的差异（称离差），由两个因素引起：一是由变量之间的线性依赖关系引起；二是由其他因素引起。 1.回归方程的方差分析 把 代入中间项，可推出 2.回归方程的显著性检验 为定量说明 与 的线性密切程度，通常用F检验法，即计算统计量 显著性水平等级： 通常可分为以下几级：如果 可认为回归效果高度显著，称为在0.01水平上显著，即可信赖程度为99%以上；如果 可认为回归效果是显著的，称为在0.05水平上显著，即可信赖程度在95%和99%之间；如果 可认为回归效果不显著，此时y对x的线性关系不密切。 3.残余方差与残余标准差 残余方差定义为 残余标准差定义为 它表明在单次测量中，由线性因素以外的其他因素引起的y的变化程度。 越小，回归直线的精度越高。 例1-3 试对例1-2中求出的回归方程进行显著性检验。 例1-3（Ⅱ）： （3）根据 查表 在 级表中查得 1.2 多元线性回归 一、多元线性回归方程的一般求法 设因变量 与M个自变量 的关系是线性相关的，且已获得N组观测数据 则有如下结构形式 一、多元线性回归方程的一般求法 设 分别为参数 的最小二乘估计，则可得回归方程 正规方程的矩阵形式求解： 数学模型的矩阵形式 二、多元线性回归的显著性检验和精度 同一元线性回归方程类似，有 回归平方和U表示M个自变量 与 的线性关系引起 的变化在总的离差平方和S中所占的比重。 及相应计算如表1-2。 三、每个自变量在多元线性回归中 所起的作用 1.自变量 作用大小的衡量 自变量 在总的回归中所起的作用可根据它在U中的影响大小来衡量。把取消一个自变量 后回归平方和减少的数值称为 对这个自变量 的偏回归平方和，记作 2.自变量 作用大小的进一步检验 （1）凡是偏回归平方和 大的变量，一定是对 有重要影响的因素。 回归系数的显著性检验 当 时，认为自变量 对 的影响在 上显著。 3.剔除一个变量后回归方程系数 的计算 新回归方程系数 与原回归方程系数 之间有如下关系 例1-4（Ⅰ）： 用某光栅式传感器测工件尺寸，温度t的变化和位移x的变化都对传感器输出电压y产生影响，观测数据如表1-3所示，试求 三者的关系，并进行显著性检验。 例1-4（Ⅱ）： （2）求出 列入表1-4，并求出它们的和 例1-4（Ⅲ）： （4）求二元线性回归方程 例