概率统计 回归分析.pptVIP

§3 一元线性回归分析 一、确定性关系： 当自变量给定一个值时，就确定应变量的值与之对应。 如：在自由落体中，物体下落的高度h与下落时间t之间有函数关系： 变量与变量之间的关系 二、相关性关系： 如：身高与体重，不存在这样的函数可以由身高计算出体重，但从统计意义上来说，身高者，体也重。 再如：父亲的身高与儿子的身高之间也有一定联系，通常父亲高，儿子也高。 回归分析——研究相关性关系的一种方法。 （一）一元线性回归 在实际问题中，回归函数μ(x)一般是未知的， 需要根据试验数据去估计。 一元线性回归要解决的问题： 在误差为正态分布假定下，最小二乘估计等价于极大似然估计。 事实上，似然函数 例1 K.Pearson收集了大量父亲身高与儿子 身高的资料。其中十对如下：(单位:吋) 父亲 身高x 60 62 64 65 66 67 68 70 72 74 儿子 身高y 63.6 65.2 66 65.5 66.9 67.1 67.4 68.3 70.1 70 求Y关于x的线性回归方程。 （三）误差方差的估计 例2 求例1中误差方差的无偏估计。 （1）影响Y取值的，除了x，还有其他不可忽略的因素； （2）E(Y)与x的关系不是线性关系，而是其他关系； （3）Y与x不存在关系。 （四）线性假设的显著性检验 采用最小二乘法估计参数a和b，并不需要事先知道Y与x之间 一定具有相关关系，即使是平面图上一堆完全杂乱无章的散 点，也可以用公式求出回归方程。因此μ(x)是否为x的线性函 数，一要根据专业知识和实践来判断，二要根据实际观察得 到的数据用假设检验方法来判断。 若原假设被拒绝，说明回归效果是显著的，否则，若接受原假设，说明Y与x不是线性关系，回归方程无意义。回归效果不显著的原因可能有以下几种： 例3 检验例1中回归效果是否显著，取α=0.05。 （五）回归系数b的置信区间 当回归效果显著时，常需要对回归系数b作区间估计。 (六)回归函数 函数值的点估计和置信区间 （七）Y的观察值的点预测和预测区间