[工学]误差ppt第六章.pptVIP

6 回归分析 重点与难点 6.1 回归分析的基本概念 6.2 一元线性回归 6.3 两个变量都具有误差时线性回归方程的确定 6.4 一元非线性回归 6.5 多元线性回归 6.6 线性递推回归 小结 重点与难点 回归分析的基本概念和主要内容 一元线性回归方程的求法 回归方程的方差分析和显著性检验 一元非线性回归方法 前几章的目的是寻求被测量的最佳值及其精度，本章讨论生产和科学实验中的另一类问题，即测量与数据处理的目的是寻求两个或多个变量之间的内在关系；表达变量之间关系的方法有散点图、表格、曲线、数学表达式等，其中数学表达式具有诸多优点，其获得方法是回归分析。 6.1 回归分析的基本概念 6.1.2 回归分析的主要内容 6.2 一元线性回归 6.2.1 一元线性回归方程 6.2.1 一元线性回归方程 6.2.1 一元线性回归方程 6.2.1 一元线性回归方程 6.2.1 一元线性回归方程 6.2.1 一元线性回归方程 6.2.1 一元线性回归方程 6.2.2 方差分析及显著性检验 6.2.2 方差分析及显著性检验 6.2.2 方差分析及显著性检验 6.2.2 方差分析及显著性检验 6.2.2 方差分析及显著性检验 6.2.2 方差分析及显著性检验 6.2.3 重复试验情况 6.2.3 重复试验情况 6.2.3 重复试验情况 6.2.3 重复试验情况 6.2.4 回归直线的简便求法 6.2.4 回归直线的简便求法 6.4 一元非线性回归 6.4.1 曲线类型选取与检验 6.4.1 曲线类型选取与检验 6.4 一元非线性回归 6.4.3 回归方程的效果与精度 6.5 多元线性回归 6.5.1 多元线性回归方程 6.5.1 多元线性回归方程 6.5.1 多元线性回归方程 6.5.1 多元线性回归方程 6.5.1 多元线性回归方程 6.5.1 多元线性回归方程 6.5.1 多元线性回归方程 6.5.1 多元线性回归方程 6.5.2 显著性和精度 6.5.3 每个变量在多元回归中所起的作用 6.5.3 每个变量在多元回归中所起的作用 6.5.3 每个变量在多元回归中所起的作用 6.5.3 每个变量在多元回归中所起的作用 小 结 研究矩阵形式更为方便，令 则多元线性回归的数学模型为 (6.69) (6.70) 采用最小二乘法估计参数β，设 分别为 的最小二乘估计，则回归方程为 最小二乘原理可知， 使观测值 与估计值 的残差平方和最小， (6.71) Q是 的非负式，故最小值一定存在。根据微分学中的极值定理， 应是下列方程组的解 (6.72) 简化为： (6.73) 正规方程组 显然正规方程组系数矩阵为对称矩阵，用A表示则A=XTX，即 正规方程组的 常数项矩阵B为 正规方程组的矩阵形式为 (6.74) 或 (6.75) 则 (6.76) 系数矩阵A的逆矩阵可通过行列式法或初等变换法求解。另外，采用计算机求解逆矩阵比较方便。 处理多元回归模型主要是计算X、A、B、C、Y五个矩阵： （1）X和Y由观测数据构造，称为结构矩阵； （2）A为正规方程的系数矩阵，也称为信息矩阵； （3）C是正规方程系数矩阵的逆矩阵，也称为相关矩阵； （4）B为正规方程的常数项矩阵，决定了X与Y的直接联系。 2 局部域模型 在多元线性回归模型中，常用的另一种数据结构式 (6.78) 相应的回归方程 (6.79) 其结构矩阵X、常数项矩阵B和系数矩阵A分别为 令 (6.80) 所以 逆矩阵C： 回归系数： 故 优点： （1）常数项回归系数 与 无关； （2）求逆矩阵降低一阶。 (6.81) 该类问题一般计算过程： （1）求 （2）求 （3）求 （4）求L-1 （5）求回归系数 回归方程是否反映客观规律，主要靠实践来检验。从数学角度，也可用数理统计检验的方法来检验。故需对其进行方差分析。 － － － N-1 总计 － － U/M M N-M-1 回归 残余 显著性 F 方差 自由度 平方和 来源 回归方程显著性校验可使用残余平方和对回归平方和的F校验 (6.85) 预报精度由残余标准差估计 (6.86) 一个多元回归方程是显著的，并不意味着每个自变量x1，x2， …，xM对y的影响都是重要的。在实际中，希望考察哪些是影响y的主要因素，哪些是次要因素，剔除次要因素，简化数学模型，利于对y进行预报和控制。 如何考察每个特定因素在总回归所起的作用？回