第02课时-高明区纪念中学.DOCVIP

第02课时 1.1.2回归分析的基本思想及其初步应用（二） 学习目标 1．通过典型案例的探究，进一步了解回归分析的基本思想、方法及初步应用. 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. 学习过程 一、学前准备 1．由例1知，预报变量（体重）的值受解释变量（身高）或随机误差的影响. 2．为了刻画预报变量（体重）的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？我们引入了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. 二、新课导学 ◆探究新知（预习教材P4～P6，找出疑惑之处） 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？ 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 答：总偏差平方和：所有单个样本值与样本均值差的平方和，即. 残差平方和：回归值与样本值差的平方和，即. 回归平方和：相应回归值与样本均值差的平方和，即. 问题5：相关指数如何理解？ 答：相关指数来刻画回归的效果，它表示解释变量对预报变量变化的贡献率. 的值越大，说明残差平方和越小，也就是说模型拟合的效果越好. 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? 答：（1）寻找异常点，就是残差特别大的点，考察相应的样本数据是否有错. （2）分析残差图可以发现模型选择是否合适. ◆应用示例 例1．关于与有如下数据： 2 4 5 6 8 30 40 60 50 70 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. 解：分析：既可分别求出两种模型下的总偏差平方和、残差平方和、回归平方和，也可分别求出两种模型下的相关指数，然后再进行比较，从而得出结论. 列表如下： 1 2 3 4 5 2 4 5 6 8 30 40 60 50 70 30.5 43.5 50 56.5 69.5 31 45 52 59 73 0.25 12.25 100 42.25 0.25 1 25 64 81 9 ， ， ， ， 84.5%＞82%， 所以甲选用的模型拟合效果较好. 例2. 以下是收集到的房屋的销售价格与房屋的大小的有关数据， 编号 1 2 3 4 5 房屋大小（m2） 80 105 110 115 135 价格（万元） 18.4 22 21.6 24.8 29.2 残差 利用计算机可求得其线性回归方程为： （1）试说明模型的拟合效果 ，（2）算出各样本点的残差，（3）作出残差图，并进行分析。 解：（1）因为相关指数，比较接近1，所以该模型拟合效果好。 （2）列表如下： 1 2 3 4 5 80 105 110 115 135 18.4 22 21.6 24.8 29.2 17.51 22.42 23.40 24.38 28.30 0.89 -0.42 -1.8 0.42 0.9 （3）残差图如下： 根据图像我们观察到第3个样本点残差较大，可能在采集中存在有误，应该进一步检查数据是否有误。 ◆反馈练习 1．1993年到2002年中国的国内生产总值（GDP）的数据（单位：亿元）如下： 年份 GDP 1993 34634.4 1994 46759.4 1995 58478.1 1996 67884.6 1997 74462.6 1998 78345.2 1999 82067.5 2000 89468.1 2001 97314.8 2002 104790.6 （1）作GDP和年份的散点图，根据该图猜想他们之间的关系应是什么？ （2）建立年份为解释变量，GDP为预报变量的回归模型，并计算残差. （3）根据你得到的模型，预报2003年的GDP，看看你的预报与实际GDP（117251.9亿元）的误差是多少. （3）你认为这个模型能较好地刻画GDP和年份的关系吗？说说你的理由. 解：（1）散点图如下： （2）列表如下： 1 2 3 4 5 1993 1994 1995 1996 1997 34634.4 46759.4 58478.1 67884.6 74462.6 93238244 116663810 135497662 148701812 3972049 3976036 3980025 3984016 3988009 6 7 8 9 10 1998 1999 2000 2001 2002 78345.2