第一节 回归分析的基本思想及其初步应用(第二课时).docx

第一节回归分析的基本思想及其初步应用（第二课时）导学精要学习目标　　1.从相关系数和残差分析角度探讨回归模型的拟合效果，以及建立回归模型的基本步骤。2. 了解评价回归效果的三个统计量：总偏差平方和、残差平方和、回归平方和.3. 会用相关指数，残差图评价回归效果.________________________________________________________________________________第一部分 自学探究（阅读80-81页回答下列问题）问题1.假设身高和随机误差的不同不会对体重产生任何影响，会怎样？问题2.假设随机误差对体重没有影响，即体重仅受身高的影响，又会怎样？问题3.如何刻画预报变量（体重）的变化？这个变化在多大程度上与解释变量（身高）有关？在多大程度上与随机误差有关？【技能提炼】问题4、偏差平方和、残差平方和、回归平方和如何理解和计算？问题5、如何根据相关指数R2来判断模型的拟合效果？问题6.在回归分析中，分析残差能够帮助我们解决哪些问题?问题7.结合刚刚学习的概念，现在能否将建立回归模型的步骤补充完整例1．一个车间为了规定工时定额，需要确定加工零件所花费的时间，为此进行了10次试验，收集数据如下：编号12345678910零件(个数)102030405060708090100加工时间（min）626875818995102108115122建立零件数为解释变量，加工时间为预报变量的回归模型，并计算残差根据残差图，你认为这个模型能较好地刻画零件数和加工时间的关系吗？反思：散点图可以判断两个变量的线性相关关系，误差较大，利用残差图可以较好地评价模型的拟合程度，并能发现样本点中的可以数据。例2、在一段时间内，某种商品的价格（元）和需求量（件）之间的一组数据如下表所示：价格（元）1416182022需求量（件）1210753求出对的回归直线方程，并说明拟合效果的好坏.反思：1、要分析是否在上述样本的采集过程中存在可疑的数据，应怎么分析？2、既然利用残差图和相关指数都能评价回归模型的拟合效果，能否总结一下两种方法各自的特点教师问题创生学生问题发现第二部分 变式反馈1. 两个变量 y与x的回归模型中，分别选择了 4 个不同模型，它们的相关指数如下，其中拟合效果最好的模型是（）.A. 模型 1 的相关指数为 0.98 B. 模型 2 的相关指数为 0.80C. 模型 3 的相关指数为 0.50D. 模型 4 的相关指数为 0.252.若有一组数据的总偏差平方和为100，相关指数为0.5，则期残差平方和为______ 回归平方和为___________3、关于与有如下数据：245683040605070为了对、两个变量进行统计分析，现有以下两种线性模型：，，试比较哪一个模型拟合的效果更好.4、假定小麦基本苗数x与成熟期有效穗y之间存在相关关系,今测得5组数据如下: x15.025.830.036.644.4y39.442.942.943.149.2以x为解释变量，y为预报变量，作出散点图求y与x之间的线性回归方程,并对基本苗数56.7预报有效穗.计算各组残差求R2，并说明随机误差对有效穗数的影响占百分之几？答案：解：，，所以从而所求的回归直线方程为：列出残差表为：00.3－0.4－0.10.24.62.6－0.4－2.4－4.4所以，所以因为，从而拟合效果比较好.1、D2、50,503、，，84.5%＞82%，所以甲选用的模型拟合效果较好.4、解：（1）图略(2)设回归方程为y=a+bx,则=30.36,=43.5,=921.729 6,=1 320.66,=6 746.76,=5 101.51.b=≈0.291 1,a=-b≈34.67,∴所求的回归直线方程为y=34.67+0.291 1x,当x=56.7时,y=34.67+0.291 1×56.7=51.1697.估计成熟期有效穗为51.1697.(3)各自数据的残差:0.37,0.72,-0.5，-2.22,1.61（4）R2≈0.832, 16.8%