[工程科技]现代统计分析方法与应用第4章：一元线性回归.ppt

第4章 一元线性回归 一元线性回归模型 回归参β0、β1的估计 最小二乘估计的性质 回归方程的显著性检验 残差分析 预测和控制 建模总结和应注意的问题 上述均是研究两个变量之间的关系，而且他们的一个共同特点是：两个变量之间有密切的关系，但他们之间密切的程度并不能由一个变量唯一确定另一个变量。 利用x和残差作散点图： 从残差图上看出，残差是围绕e=0.0000随机波动，从而模型的基本假定是满足的。 按Graphs→Scatters/Dot顺序逐一单击鼠标，选择“残差、化肥施用量”后，点击[Ok]系统出现如下图形： 二、有关残差的性质 性质1： 性质2： 三、残差的改进 标准化残差： 学生化残差： 其中： 标准化残差使残差具有可比性，|ZREi|3的相应观测值即判定为异常值，这简化了判定工作，但是没有解决方差不等的问题。学生化残差则进一步解决了方差不等的问题，因而在寻找异常值时，用学生化残差优于用普通残差，认为|SREi|3的相应观测值为异常值。 在SPSS中： *ZPRED—标准化预测值； *ZRSID—标准化残差； *DRESID—剔除残差； *ADJPRED—修正后预测值； *SRSID—学生化残差； *SDRESID—学生化剔除残差。 第六节 预测 一、单值预测 单值预测就是用单个值作为因变量新值的预测值。 二、区间预测 区间预测也就是对于给定的显著性水平α，找一个区间(T1,T2)，使对应于某特定的x0的实际值y0以1-α的概率被区间(T1,T2)所包含，用式子表示，就是： 对因变量的区间预测又分为两种情况，一种是对因变量新值的区间预测；另一种是对因变量新值的平均值的区间预测。 1、因变量新值的区间预测 在正态假定下 遵从正态分布，其期望值为： 为了给出新值y0的置信区间，需要首先求出其估计值 的分布。 由于 与 都是y1、y2、…、yn的线性组合，因而 也是y1、y2、…、yn的线性组合， 因而有： 从而得： 记： 以下计算方差： 则上式简写为： 是用先前独立观测到的随机变量y1，y2，…，yn的线性组合，现在小麦产量的新值y0与先前的观测值是独立的，所以y0与 是独立的。因而: 再由 ，于是： 进而可知统计量： 可得： 由此可以得到y0的置信概率为1-α的置信区间为： 当样本容量n较大， 较小时，h00接近零，y0的95%的置信区间为： 2、因变量新值的平均值的区间估计 上面给出的是因变量单个新值的置信区间，现在关心的是因变量新值的平均值的区间估计，对于前面提出的小麦产量问题，如果该地区的一大片麦地每亩施肥量同为x0，那么这一大片地小麦的平均亩产如何估计呢? 这个问题就是要估计的平均值E(y0)的置信区间，根据前面的公式可知： 由此可以得到y0的置信概率为1-α的置信区间为： 第七节 建模总结和应注意的问题 一、一元线性回归模型从建模到应用的全过程 第一步：提出因变量与自变量。这里以例4.2的数据为例，本例因变量y为全国人均消费金额（元），自变量x为人均国民收入GNP（元），采用年份数据。 第二步：搜集数据。从《中国统计年鉴》得表5.2。 第三步：根据表5.2的数据画散点图。 * 第四步：设定理论模型。由散点图可以看到,随着人均国民收入的增加,居民人均消费额增大,而且20个样本点大致分布在一条直线的周围。因此,我们用直线回归模型去描述它们是合适的。故可以采用一元线性回归理论模型。 第五步：用软件计算，输出计算结果。 §4.7 建模总结和应注意的问题 * 第一节 一元线性回归模型 一、一元线性回归模型的实际背景 在实际问题的研究中，经常需要研究某一现象与影响它的某一最主要因素的影响。如：研究粮食产量与施肥量之间的关系；研究国民收入与消费额之间的关系；研究火灾损失与火灾发生地距最近消防站的距离之间的关系。 为直观地发现n组样本数据(xi,yi)的分布规律，通常把(xi,yi)看成是平面直角坐标系中的点，画出n个样本的散点图。 [例4.1] 现有20组粮食产量与化肥施用量的数据如下表： 表示成散点图如下： [例4.2] 我国1986-2005年全国人均消费额与人均国民收入数据如下表： 表示成散点图如下： 二、一元线性回模型的数学形式 考虑两个变量间的关系，描述上述x与y间线性关系的数学结构通常用下式表示： 上式（*）中y为因变量(被解释变量)，x为自变量(解释变量) ，β0和β