高中数学选修1-2【残差分析与相关指数】课件.pptVIP

线性回归模型：y=bx+a+e * 某公司利润y与销售总额x （单位：千万元）之间有 以下对应数据： 2.7 2 1.9 1.4 1 y 23 20 17 15 10 x (1)画出散点图 （2）求回归直线方程 （3）估计销售总额为30千万元的利润 参考值： x:解释变量,y:预报变量,e随机误差 解释变量x(身高) 随机误差e 求预报变量 y(体重) 解释变量x对预报变量y影响有多大 呢？随机误差e对预报变量y影响 又有多大呢？ 我们把解释变量x和随机误差e对预报变量y 的影响称作为总偏差平方和，用 表示。 残差平方和 (随机误差的影响) 回归平方和 （解释变量x的影响） 总偏差平方和 残差平方和：表示随机误差e的效应！ 8 7 6 5 4 3 2 1 59 43 61 64 54 50 57 48 体重y 170 155 165 175 170 157 165 165 身高x 54.373 54.373 47.581 58.618 62.863 54.373 45.883 58.618 -6.373 2.627 2.419 -4.618 1.137 6.627 -2.883 0.382 即随机误差的效应为128.361 残差平方和越小，y与x的模型拟合程度越好 残差平方和：表示随机误差的效应！ 我们把解释变量x和随机误差e对预报变量y 的影响称作为总偏差平方和，用 表示。 残差平方和 (随机误差的影响) 回归平方和 （解释变量x的影响） 总偏差平方和 总偏差平方和＝残差平方和 ＋ 回归平方和 总偏差平方和：表示解释变量（x）和随机 误差（e）的 总效应。 残差平方和：表示随机误差的效应 回归平方和：表示解释变量（x）的效应 表明解释了64%的体重变化，而随机误差贡献了 剩余的36％。身高对体重的效应比随机误差的 效应大得多。 *