回归分析概述——.ppt

1.4-8 预测及其置信区间 在置信度为95%的情况下2010年全国技术贸易额的预测区间为（983.6105,1445.3789）亿元 由于回归方程是由数理统计得出的，它反映的是实际数据的统计规律，所以，根据回归方程所得的预测值 y0 只是对应于 x0 的单点预测估计值，预测值应该有一个置信区间。 教学情境设计 问题一：结合例1得出线性回归模型及随机误差。并且区分函数 模型和回归模型。 问题二：在线性回归模型中，e是用bx+a预报真实值y的随机误差， 它是一个不可观测的量，那么应如何研究随机误差呢？ 问题三：如何发现数据中的错误？如何衡量随机模型的拟合效果？ 问题四：结合例1思考：用回归方程预报体重时应注意什么？ 问题五：归纳建立回归模型的基本步骤。 问题六：若两个变量呈现非线性关系，如何解决？（分析例2） 例1 从某大学中随机选取8名女大学生，其身高和体重数据如表1-1所示。 59 43 61 64 54 50 57 48 体重/kg 170 155 165 175 170 157 165 165 身高/cm 8 7 6 5 4 3 2 1 编号 求根据一名女大学生的身高预报她的体重的回归方程，并预报一名身高为172cm的女大学生的体重。 问题一：结合例1得出线性回归模型及随机误差。并且区分函数模型和回归模型。 解：1、选取身高为自变量x，体重为因变量y，作散点图： 2.回归方程： 探究：身高为172cm的女大学生的体重一定是60.316kg吗？如果不是，你能解析一下原因吗？ 答：用这个回归方程不能给出每个身高为172cm的女大学生的体重的预测值， 只能给出她们平均体重的估计值。 由于所有的样本点不共线，而只是散布在某一直线的附近，所以身高和体重的关系可以用线性回归模型来表示： 其中a和b为模型的未知参数，e称为随机误差. 函数模型与“回归模型”的关系 函数模型：因变量y完全由自变量x确定 回归模型： 预报变量y完全由解释变量x和随机误差e确定 注：e 产生的主要原因： (1)所用确定性函数不恰当； (2)忽略了某些因素的影响； (3)观测误差。 思考:产生随机误差项e的原因是什么？ 问题二：在线性回归模型中，e是用bx+a预报真实值y的随机误差， 它是一个不可观测的量，那么应如何研究随机误差呢？ 结合例1除了身高影响体重外的其他因素是不可测量的，不能希望有某种方法获取随机误差的值以提高预报变量的估计精度，但却可以估计预报变量观测值中所包含的随机误差，这对我们查找样本数据中的错误和模型的评价极为有用，因此在此我们引入残差概念。 e=y-(bx+a) 随机误差 e的估计量 样本点： 相应的随机误差为： 随机误差的估计值为： 称为相应于点 的残差. 的估计量 为 称为残差平方和. 问题三：如何发现数据中的错误？如何衡量随机模型的拟合效果？ (1)我们可以通过分析发现原始数据中的可疑数据，判断建立模型的拟合效果。 残差图的制作和作用： 制作：坐标纵轴为残差变量，横轴可以有不同的选择. 横轴为编号：可以考察残差与编号次序之间的关系， 常用于调查数据错误. 横轴为解释变量：可以考察残差与解释变量的关系，常用于研究模型是否有改进的余地. 作用：判断模型的适用性若模型选择的正确，残差图中的点应该分布在以横轴为中心的带形区域. 下面表格列出了女大学生身高和体重的原始数据以及相应的残差数据。 编号 1 2 3 4 5 6 7 8 身高/cm 165 165 157 170 175 165 155 170 体重/kg 48 57 50 54 64 61 43 59 残差 -6.373 2.627 2.419 -4.618 1.137 6.627 -2.883 0.382 残差图的制作及作用。 坐标纵轴为残差变量，横轴可以有不同的选择； 若模型选择的正确，残差图中的点应该分布在以横轴为心的带形区域； 对于远离横轴的点，要特别注意。 身高与体重残差图 异常点 错误数据 模型问题 几点说明： 第一个样本点和第6个样本点的残差比较大，需要确认在采集过程中是否有人为的错误。如果数据采集有错误，就予以纠正，然后再重新利用线性回归模型拟合数据；如果数据采集没有错误，则需要寻找其他的原因。 另外，残差点比较均匀地落在水平的带状区域中，说明选用的模型计较合适，这样的带状区域的宽度越窄，说明模型拟合精度越高，回归方程的预报精度越高。 误差与残差，这两个概念在某程度上具有很大的相似性， 都是衡量不确定性的指标，可是两者又存在区别。 误差与测量有关，误差大小