[工程科技]第六章 回归分析.pptVIP

1-1 第四节　一元非线性回归 问题引出：生产中经常见到变量之间为非线性，例如机床加工误差与基本尺寸之间，化学反应浓度与时间之间等。 求解思路 1、确定函数类型并检验。 2、求解未知参数。 可化曲线回归为直线回归，用最小二乘法求解；可化曲线回归为多项式回归等。 一、回归曲线函数类型的选取和检验 1、选择曲线类型 （1）直接判断法： 由理论推导或以往经验确定变量之间的关系，例如化学反应浓度y与时间t 之间的关系为 （2）作图观察法 将测量数据作图，与典型曲线比较，确定其属于何种类型。（见图6-6） 第四节　一元非线性回归 双曲线 幂函数 指数曲线 指数曲线 对数曲线 S型曲线 第四节　一元非线性回归 b、将 转化为 2、回归曲线的检验 （1）、直线检验法（适用于待求参数不多的情况） a、预选回归曲线 其中 c、给出一组测得值 ，求出对应（Z1i,Z2i ）值 d、以Z1,Z2为坐标作图，若为直线，则说明原选定 的曲线类型是合适的，否则重新考虑。 第四节　一元非线性回归 例如指数函数： 两端取对数得： 令 例如幂函数 两端取对数得： 令 例如双曲线函数 令 第四节　一元非线性回归 （2）表差法（适用于多项式回归，含有常数项多于两个的情况） 若函数 差分的概念： 第四节　一元非线性回归 差分的重要性质： n次多项式的一阶差分是n-1次多项式； n次多项式的n阶差分是常数； n次多项式的n+1阶差分是0。（用泰勒公式可以证明） 表差法步骤 a、用试验数据画图； b、确定定差 Δx,列出xi, yi各对应值（图上量出）； c、根据x,y的读出值作出差值 d、 根据表6-10判断是否满足要求。 （举例：见例6-9） 第四节　一元非线性回归 二、化曲线回归为直线回归问题 用直线检验法或表差法检验的曲线回归方程都可以通过变量代换转为直线回归方程，利用线性回归分析方法可求得相应的参数估计值。 例：检验表中数据是否可用指数形式 经验公式表示，若可以求该经验公式. 。 24.5 37 56.8 85.5 112.5 129.5 171.5 200 260.5 2 4 8 16 25 32 50 64 100 y x 第四节　一元非线性回归 解：将 化为 作图基本为一直线。 第四节　一元非线性回归 0.3016 0.6021 0.9031 1.2041 1.3979 1.5051 1.6990 1.8062 2.0000 1.3892 1.5682 1.7543 1.9320 2.0512 2.1123 2.2343 2.3010 2.5158 24.5 37 56.8 85.5 112.5 129.5 171.5 200 260.5 2 4 8 16 25 32 50 64 100 Z2=logx Z1=logy y x 将Z1,Z2代入方程，其解为： 最后求出 所以 则 第四节　一元非线性回归 三、回归曲线方程的效果与精度： 残余平方和 残余标准差 （衡量回归曲线效果好坏的指标） （可以作为根据回归方程预报y值的精度指标） 相关指数 第四节　一元非线性回归 第五节 多元线性回归 问题的提出：在实际问题中,常常会遇到要研究一个随机变量与多个变量之间的相关关系。例如某种产品的销售额不仅受到投入的广告费用的影响，通常还与产品的价格、消费者的收入状况、社会保有量以及其它可替代产品的价格等诸多因素有关系。这种研究一个随机变量同其他多个变量之间的关系的主要方法是运用多元回归分析。 多元线性回归分析是一元线性回归分析的自然推广形式，两者在处理方法上非常相似。 一、多元线性回归方程 1、多元线性回归模型 设影响因变量y的自变量个数为M，并分别记为 所谓多元线性模型是指这些自变量对y的影响是线性的，即 其中 是M+1个待估计的参数， ε是服从正态分布的随机误差，称y为参数 的线性回归函数。 第五节 多元线性回归 记N组观测数据分别是： 则有 其中 相互独立，且 这个模型称为多元线性回归的数学模型。 第五节 多元线性回归 令 则上述数学模型可用矩阵形式表示为 其中 是N维随机向量，它的分量相互独立。 第五节 多元线性回归 2、最小二乘估计 与一元线性回归类似，我们采用最小二乘法估计参数， 取估计值分别为 回归方程为 应用最小二乘法：应使 根据多元微积分的极值原理，令 第五节 多元线性回归 第六章 回归分析 第