[理学]数学建模-回归分析.pptVIP

回归分析 第一节 一元线性回归模型 第二节 多元线性回归模型 第四节 曲线回归模型 458.0 12 8 68 10 474.4 12 9 66 11 350.9 34 23 40 1 485.3 26 4 47 21 389.8 22 18 54 2 303.5 44 22 31 1 430 6 17 71 3 试求 y 对x1、x2、x3、x4的最佳线性模型。 * * 一、变量之间的两种关系 1、函数关系：　　　 。 2、相关关系：X ，Y 之间有联系，但由 其中一个不能唯一的确定另一个的值。 如： 年龄 X ，血压 Y ； 单位成本 X ，产量 Y ； 　　　 高考成绩 X ，大学成绩 Y ； 　　　 身高 X ，体重 Y 等等。 二、研究相关关系的内容有 1、相关分析——相关方向及程度（第九章）。 增大而增大——正相关； 增大而减小——负相关。 2、回归分析——模拟相关变量之间的内在联系，建立相关变量间的近似表达式 （经验公式）（第八章）。 　　相关程度强，经验公式的有效性就强，反之就弱。 三、回归分析分类标准 1、按自变量个数多少来分类： 如：一个自变量称为一元回归；两个 变量称为二元回归；多个变量称为多元回归。 2、按表达式关系分类： 　　　线性（直线）；非线性（曲线）。 二阶段最小二乘法 2-Stage Least Squares 加权估计 Weight Estimation 非线性回归 Nonlinear 概率单位回归 Probit 多元逻辑斯谛回归 Multinomial Logistic 二元逻辑斯谛回归 Binary Logistic 曲线估计 Curve Estimation 线性回归 Linear 四、SPSS 软件中的回归过程有以下 几个方面，见下表： 一、基本问题 1、样本资料： 变量 X ——一般变量，在实验中人为可以控制，如年龄 X。 变量 Y ——随机变量，可能发生，也可能不发生，实验中不能人为控制，如血压 Y。 注：也有两个变量都是无法控制的（都是随机变量），如高考成绩，大学成绩；身高，体重等等。哪个作为自变量，哪个作为因变量都可以，所得结论和上述情况结论类似。 对 X 和 Y 进行观测得到样本： 其中 不全相等。做散点图如下： 2、数据结构（模型） 　　设变量 x 与 y 适合： 其中 是与 x 无关的常数，该模型称为一元线性回归模型，b 称为回归系数。 （a、b 称为回归参数） 3、基本任务 　（1）根据样本 ，如何得到 　　　　　 的近似表达式，即估计 a ，b （记 a 、b 的估计值为 ）。 （2）由（1）建立 （一元经验线性回归模型），检验（判断）该模型是否有效。 二、基本原理 1、a 、b 估计值 思想：假定 已建立，要使各散点到 　　　　　的垂直距离之和最小。 （1）最小二乘法 （2）最小一乘法 利用微分法，有 整理后得 其中 引入一些记号： 于是　　　　　　　　　。 　　从而得到一元经验线性回归模型 　　　　 由 预测 得 ， 称为预测值。 2、检验回归方程的显著性 　 欲检验 接受 ：表示回归方程无效； 拒绝 ：表示回归方程有效。 具体方法： （1）平方和分解 其中， 为剩余平方和（或残差平方和）， 表示随机误差；　为回归平方和，表示回 归效果。 （2）检验统计量： 　　在 成立下，即当 　 时有 代入具体数值得 ，若 则回归模型显著（ 非常显著， 显著）。 3、衡量模型拟合度的几个指标 （1）标准误差（或标准残差） 当 S 越大，拟合越差，反之，S越小，拟合越好。 （2）复相关函数 当 R 越大，拟合越好，R 越小