[理学]回归分析与EVIEWS软件.pptVIP

数学建模系列讲座之 中国矿业大学徐海学院——彭红军 * * 回归分析与EVIEWS软件 §1 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： 变量之间的关系并不确定，而是表现为具有随机性的一种“趋势”。即对自变量x的同一值，在不同的观测中，因变量Y可以取不同的值，而且取值是随机的，但对应x在一定范围的不同值，对Y进行观测时，可以观察到Y随x的变化而呈现有一定趋势的变化。 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——研究相关性关系的最基本，应用最广泛的方法。 （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： （二）a,b的估计——最小二乘估计 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： 70 70.1 68.3 67.4 67.1 66.9 65.5 66 65.2 63.6 儿子身高y（吋） 74 72 70 68 67 66 65 64 62 60 父亲身高x（吋） 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μ(x) =a+bx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 注：在预测时， 一定要落在已有的 的数据范围内部，否则预测常常没有意义。 例5 合金钢的强度y与钢材中碳的含量x有密切关系。为了冶炼出符合要求强度的钢常常通过控制钢水中的碳含量来达到目的，为此需要了解y与x之间的关系。其中x：碳含量（％） y：钢的强度（kg/mm2）数据见下： 56.0 53.0 47.5 45.0 42.0 43.0 41.5 41.0 39.5 40.5 y 0.20 0.17 0.15 0.12 0.10 0.09 0.07 0.05 0.04 0.03 x （1）画出散点图；（2）设μ(x)=a+bx,求a,b的估计；（3）求误差方差的估计，画出残差图；（4）检验回归系数b是否为零（取α=0.05)；（5）求回归系数b的95％置信区间；（6）求在x=0.06点，回归函数的点估计和95％置信区间；（7）求在x=0.06点，Y的点预测和95％区间预测。 0.03 0.05 0.07 0.09 0.11 0.13 0.15 0.17 0.19 56 54 52 50 48 46 44 42 40 38 （1）合金钢的强度y与钢材中碳的含量x的散点图 56.0 53.0 47.5 45.0 42.0 43.0 41.5 41.0 39.5 40.5 y 0.20 0.17 0.15 0.12 0.10 0.09 0.07 0.05 0.04 0.03 x 0.03 0.05 0.07 0.09 0.11 0.13 0.15 0.17 0.19 x 0 e 0.03 0.05 0.07