误差理论与数据处理_第9章回归分析教材教学课件.ppt

二、线性回归效果检验 回归方程的显著性检验 1、检验自变量和因变量之间的线性关系是否显著 2、具体方法是将回归平方和和残余平方和加以比较，应用F检验来分析二者之间的差别是否显著 如果是显著的，两个变量之间存在线性关系 如果不显著，两个变量之间不存在线性关系 2、计算检验统计量 3、在给定显著性水平 下，由分布表查得临界值 。 4、作出决策。若　　　　，拒绝　　，则认为该回归效果显著。反之，则不显著。 即 检验步骤 1、提出假设 　　线性关系不显著 估计残余标准误差 4、残余标准差的计算公式 1、表征除了　与　线性关系之外其它因素影响　值偏离的大小 2、反映实际观测值在回归直线周围的分散状况 3、从另一个角度说明了回归直线的拟合程度 偏离 回归 残余 总和 平方和 自由度 １ 标准差 统计量 置信限 0.1 0.05 0.01 显著否 显著否 显著否 方差分析表 三、回归系数的不确定度与回归方程的稳定性 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 回归方程的稳定性 1、回归值　的波动大小，波动愈小，回归方程的稳定性愈好。 　2、回归值　的波动大小的计算公式 　标准不确定度　　来表示。 回归值的波动大小不仅与剩余标准差s有关，而且还取决于试验次数n及自变量取值范围。 提高回归方程中各估计量稳定性的方法 (1) 提高观察数据本身的准确度 (2) 尽可能增大观测数据中自变量的取值范围 (3) 增加观测次数 (4) 减小残余误差，即拟定合适回归方程使其尽可能合乎实际数据的变化规律 四、回归预测值及其不确定度 回归预测值及其不确定度 １、利用估计的回归方程，对于自变量　的一个给定值　，求出因变量　的一个估计值　，就是回归的预测值 　的标准不确定度来表述 　的扩展不确定度来表述 2、预测值　与实际值　之间存在偏差，因此给出预测值时，还必须给出其不确定度。有以下两种表示方式 例题 试对下表所列实验数据做直线拟合，并作方差分析和预测。 180 200 145 165 123 110 191 205 104 100 141 135 151 180 190 220 134 135 144 160 110 130 153 145 141 125 190 190 108 110 155 160 204 235 190 210 158 130 177 185 150 170 161 145 107 115 177 205 121 125 165 195 180 240 143 160 151 135 154 150 127 135 147 155 116 100 115 120 【解】 直线拟合计算 故有 直线拟合 方差分析 偏离 回归 残余 总和 平方和 自由度 １ 标准差 统计量 置信限 0.01 高度显著 41037 9057 50094 32 33 16.8 145.0 7.50 预测 对于　　　，查分布表得 故有 回归直线及预测区间 第三节 一元非线性回归 非线性回归分析 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。 2、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。 3、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、原的剩余平方和。 ４、如果对拟合结果不满意，再选择其它模型，重复以上步骤 。 1、因变量　与自变量　之间不是线性关系 几种常见的非线性模型 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 几种常见的非线性模型 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 几种常见的非线性模型 幂函数 1、基本形式： 2、线性化方法 两端取对数得 令 ３、图像 几种常见的非线性模型 双曲线函数 1、基本形式： 2、线性化方法 令 ３、图像 几种常见的非线性模型 S型曲线 1、基本形式： 2、线性化方法 令 ３、图像 几种常见的非线性模型 对数函数 1、基本形式： 2、线性化方法 令 ３、图像 第四节　多元线性回归 一、多元线性回归方程 多元线性回归模型概念要点 1、一个因变量与两个及两个以上自变量之间的回归 2、描述因变量　如何依赖于自变量　　　　和误差项　的方程称为多元线性回归模型 3、涉及　个自变量的多元线性回归模型可表示为 　　　　　是参数 　是被称为误差项的随机变量　　　　 　是　　　　　的线性函数加上误差项　　　 　说明了包含在　里面但并不能被个自变量的线性关系所解释的变异性　　　　 多元线性回归模型概念要点 对于　组实际观测数据