[工学]9回归分析与经验公式拟合.ppt

第9章 回归分析与经验公式拟合 教学目标 教学重点和难点 回归分析的基本概念 一元线性回归分析 多元线性回归分析 非线性回归分析 第一节　回归分析的基本概念 一、变量间的关系 2、相关关系 (随机性关系) 二、什么是回归分析？ 回归模型 第二节　一元线性回归分析 一、一元线性回归方程 二、回归效果F检验 回归方程的显著性检验 估计残余标准误差 三、回归系数的不确定度与回归方程的稳定性 四、回归预测值及其不确定度 回归直线及预测区间 第三节　多元线性回归分析 一、多元线性回归方程 多元线性回归模型——概念要点 多元线性回归模型——基本假定 多元线性回归模型的另一种形式： 二、线性回归效果检验 三、每个自变量在多元回归中所起的作用 第四节 非线性回归分析 曲线拟合为直线拟合的处理步骤 几种常见的非线性模型 几种常见的非线性模型 几种常见的非线性模型 几种常见的非线性模型 几种常见的非线性模型 几种常见的非线性模型 3、偏回归平方和的实用计算公式 直接利用定义式计算偏回归平方和非常繁杂 可利用实用公式计算 三、每个自变量在多元回归中所起的作用 回归方程的回归系数 原　元回归的正规方程系数矩阵L的逆矩阵　 中的第　列元素 代替： 4、分析步骤 (2) 凡是偏回归平方和大的变量，一定是对　有重要影响的因素。可用残余平方和　 对它进行　 检验。 计算统计量 三、每个自变量在多元回归中所起的作用 当　　　　　　 时， 则认为变量　对　的影响在水平 上显著 (1) 计算每个自变量的偏回归平方和 (3) 偏回归平方和小的变量，不一定不显著。 但偏回归平方和最小的那个变量，肯定是所有变量中对作用最小的一个，假如此时变量检验结果又不显著，那可以将该变量剔除。剔除一个变量后，得重新建立　　元新回归方程，计算回归系数和偏回归平方和。 三、每个自变量在多元回归中所起的作用 4、分析步骤 在　对　　　　　的多元回归中，当取消一个变量　后，　个变量新的回归系数　 ，与原来的回归系数 之间有如下关系 5、新老回归系数间的关系 　　为原　元回归的正规方程系数矩阵L的逆矩阵　 中的元素 三、每个自变量在多元回归中所起的作用 【例9-2】 分析例9-2两个自变量在回归中所起的作用 【解】 查F分布表 故V1在α=0.01水平上显著 故V2在α=0.01水平上不显著 【例9-2】 分析例9-2两个自变量在回归中所起的作用 【解】 所以，原方程中 x1是影响y的主要因素，x2对y的影响很小 将原方程中的自变量 x2 剔除，对x1的回归系数重新计算： 新的回归方程： 或： 一、化曲线为直线的回归问题 实际问题中，常有两个变量之间为非线性关系； 需要作适当的曲线拟合； 直接用最小二乘法处理： 设： 按： 导出正规方程组： 方程组关于a和b是非线性的，求解困难。 线性化途径之二：正交多项式回归法 一、化曲线为直线的回归问题 线性化途径之一：变量变换法 令： 按最小二乘法，求出线性回归方程的回归系数 a、b 对于： 对于： 令： 按最小二乘法，求出线性回归方程的回归系数 a、b 选择函数模型的原则：对原 y 值的残余平方和较小者为好 一、化曲线为直线的回归问题 一元非线性化回归要解决的两个问题： 如何将一元非线性回归的问题化为线性回归的问题： 变量变换法、正交多项式回归法等 如何选择较好的数学模型： 对实际物理模型不太了解的情况下，最好多选择几种函数模型拟合，最后从中比较选优 5、比较不同模型拟合所得的原剩余平方和，选最小者即为所求。 1、选择回归模型。 根据实验数据散点图分布的特点以及所掌握的物理规律，选择可线化函数的模型。见表9-7 (p.192) 2、作线性化变量变换后，按一元线性回归问题计算待定的系数、原 y 的剩余平方和。 3、如果对拟合结果不满意，再选择其它模型，重复以上步骤 。 一、化曲线为直线的回归问题 指数函数 1、基本形式： 2、线性化方法： 两端取对数得 令 3、图像 0.01 0.05 0.1 显著否 显著否 显著否 总和 残余 １ 回归 置信限 统计量 标准差 自由度 平方和 偏离 方差分析表 进行比较 检验步骤 1、依序计算统计量 2、按一定显著水平α，自由度 ，查F 分布表 比较后，作出判断结论。 1、回归系数的不确定度 (1) 回归系数的不确定度是描述回归系数的分散性 (2) 回归系数　和　的标准不确定度的计算公式 (3) 回归系数　和　的协方差的计算公式 式中，　是残余标准差 三、回归系数的不确定度与回归方