第四章节 地理要素间的相关分析和回归分析.ppt

需要注意 在实际应用中，往往用次数低的趋势面逼近变化比较小的地理要素数据，用次数高的趋势面逼近起伏变化复杂的地理要素数据。 次数低的趋势面使用起来比较方便，但是具体到某点拟合较差；次数较高的趋势面只在观测点附近效果较好，而在外推和内插时则效果较差。 （3）根据所得表中的数据，运用建立线性回归模型的方法，建立y与x之间的线性回归模型，得到 对应于（3.2.19）式，x与y的相关系数高 达 =0.966 5。 （4）将（3.2.19）还原成双对数曲线，即 （3.2.19） （3.2.20） 三、多元线性回归模型 回归模型的建立 ① 多元线性回归模型的结构形式为 （3.2.11） 式中： 为待定参数； 为随机变量。 ② 回归方程: 如果 分别为式（3.2.11）中 的拟和值，则回归方程为 在（3.2.12）式中，b0为常数，b1,b2,…bk称为偏回归系数。偏回归系数的意义是，当其他自变量都固定时，自变量 每变化一个单位而使因变量平均改变的数值。 （3.2.12） ③ 偏回归系数的推导过程:根据最小二乘法原理， 的估计值 应该使 由求极值的必要条件得 方程组（3.2.14）式经展开整理后得 （3.2.13） （3.2.14） 方程组（3.2.15）式称为正规方程组。 引入矩阵 （3.2.15) 则正规方程组（3.2.15）式可以进一步写成矩阵形式 求解得 引入记号 （3.2.16） 正规方程组也可以写成 回归模型的显著性检验 ① 回归平方和U与剩余平方和Q： ② 回归平方和 ③ 剩余平方和为 ④ F统计量为 计算出来F之后，可以查F分布表对模型进行显著性检验。 关于自由度 模型中样本值可以自由变动的个数，称为自由度 自由度=样本个数- 样本数据受约束条件（方程）的个数 例如，样本数据个数=n，它们受k+1个方程的约束（这n个数必须满足这k+1个方程） 那么，自由度df = n-k-1 四、多元非线性回归模型 多项式函数 Y=β0+ β 1x + β 2x2+… + β pxp 设τi=xi 则多项式化为: Y= β 0+ β 1 τ 1 + β 2 τ 2 +… + β p τ p 多元幂函数 y=αx1 β 1 x2 β 2… xp β p lny=ln α + β1ln x1+…+ β pln xp 令z= lny, β 0= ln α,τi= ln xi z= β 0 + β 1 τ 1 + β 2 τ 2+… + β p τ p 指数函数 y=a* e? β ixi ㏑y=㏑a+ β 1x1 + β 2x2+… + β pxp z= ㏑y, β 0= ㏑a,则 z= β 0 + β 1x1 + β 2x2+… + β pxp 多元对数函数 y=a+ β 1㏑x1 + β 2㏑x2+…+ β p㏑xp 设τi= ㏑xi, 则 y=a+ β 1 τ 1 + β 2 τ 2 +…+ β p τ p 指数函数与幂函数的积 y=aexp{∑β ixi} * xibi ㏑y=㏑a+ β 1x1 + β 2x2+… + β pxp +b1㏑x1 +b2㏑x2+… +bp㏑xp 令z= ㏑y, β 0= ㏑a,?τi= ㏑xi z= β 0 + β 1x1 + β 2x2+… + β pxp +b1 τ 1 +b2 τ 2+… +bp τ p 补充1：线性相关与回归的区别 ⒈ 相关系数的计算只适用于两个变量都服从正态分布的情形，而在回归分析中，因变量是随机变量，自变量既可以是随机变量（II型回归模型，两个变量都应该服从正态分布），也可以是给定的量（I型回归模型，这时，与每个X 取值相对应的变量Y必须服从正态分布）。 ⒉ 线性相关表示两个变量之间的相互关系是双向的，回归则反映两个变量之间的依存关系，是单向的。 补充1：线性相关与回归的联系 ⒊ 如果对同一资料进行相关与回归分析，则得到的相关系数r与回归方程中的b正负号是相同的。 ⒋ 在相关分析中，求出r后要进行假设检验，同样，在回归分析中，对b也要进行假设检验。实际上，通过数学推导，对同一样本可以得出r与b互化的公式