(第2课时)1.1_回归分析基本思想及其初步应用 .pptVIP

(第2课时)1.1_回归分析基本思想及其初步应用 .ppt

  1. 1、本文档共25页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
(第2课时)1.1_回归分析基本思想及其初步应用

探究 在线性回归模型中, e是用 预报真 实值y的误差,它是一个不可观测 的量,那么应该怎么样研究随机 误差?如何衡量预报的精度? 离差平方和的分解 (三个平方和的意义) 总偏差平方和(SST) 反映因变量的 n 个观察值与其均值的总离差 回归平方和(SSR) 反映自变量 x 的变化对因变量 y 取值变化的影响,或者说,是由于 x 与 y 之间的线性关系引起的 y 的取值变化,也称为可解释的平方和 残差平方和(SSE) 反映除 x 以外的其他因素对 y 取值的影响,也称为不可解释的平方和或剩余平方和 什么是回归分析? (内容) 从一组样本数据出发,确定变量之间的数学关系式 对这些关系式的可信程度进行各种统计检验,并从影响某一特定变量的诸多变量中找出哪些变量的影响显著,哪些不显著 利用所求的关系式,根据一个或几个变量的取值来预测或控制另一个特定变量的取值,并给出这种预测或控制的精确程度 回归分析与相关分析的区别 相关分析中,变量 x 变量 y 处于平等的地位;回归分析中,变量 y 称为因变量,处在被解释的地位,x 称为自变量,用于预测因变量的变化 相关分析中所涉及的变量 x 和 y 都是随机变量;回归分析中,因变量 y 是随机变量,自变量 x 可以是随机变量,也可以是非随机的确定变量 相关分析主要是描述两个变量之间线性关系的密切程度;回归分析不仅可以揭示变量 x 对变量 y 的影响大小,还可以由回归方程进行预测和控制 样本决定系数 (判定系数 r2 ) 回归平方和占总离差平方和的比例 什么是回归分析: “回归”一词是由英国生物学家F.Galton在研究人体身高的遗传问题时首先提出的。 根据遗传学的观点,子辈的身高受父辈影响,以X记父辈身高,Y记子辈身高。 虽然子辈身高一般受父辈影响,但同样身高的父亲,其子身高并不一致,因此, X和Y之间存在一种相关关系。 一般而言,父辈身高者,其子辈身高也高,依此推论,祖祖辈辈遗传下来,身 高必然向两极分化,而事实上并非如此,显然有一种力量将身高拉向中心,即子辈 的身高有向中心回归的特点。“回归”一词即源于此。 虽然这种向中心回归的现象只是特定领域里的结论,并不具有普遍性,但从它 所描述的关于X为自变量,Y为不确定的因变量这种变量间的关系看,和我们现在的 回归含义是相同的。 不过,现代回归分析虽然沿用了“回归”一词,但内容已有很大变化,它是一种应用 于许多领域的广泛的分析研究方法,在经济理论研究和实证研究中也发挥着重要作用。 反映回归直线的拟合程度 取值范围在 [ 0 , 1 ] 之间 r2 ?1,说明回归方程拟合的越好;r2?0,说明回归方程拟合的越差 判定系数等于相关系数的平方,即r2=(r)2 * * * * * * * * * 第一章 统计案例 1.1回归分析的基本思想 (2) 例1 从某大学中随机选取8名女大学生,其身高和体重数据如表1-1所示。 59 43 61 64 54 50 57 48 体重/kg 170 155 165 175 170 157 165 165 身高/cm 8 7 6 5 4 3 2 1 编号 求根据一名女大学生的身高预报她的体重的回归方程,并预报一名身高为 172cm的女大学生的体重。 案例1:女大学生的身高与体重 解:1、选取身高为自变量x,体重为因变量y,作散点图: 2、由散点图知道身高和体重有比较好的 线性相关关系,因此可以用线性回归方程 刻画它们之间的关系。 3、从散点图还看到,样本点散布在某一条 直线的附近,而不是在一条直线上,所以 不能用一次函数y=bx+a描述它们关系。 我们可以用下面的线性回归模型来表示: y=bx+a+e,其中a和b为模型的未知参数, e称为随机误差。 例1 从某大学中随机选取8名女大学生,其身高和体重数据如表1-1所示。 59 43 61 64 54 50 57 48 体重/kg 170 155 165 175 170 157 165 165 身高/cm 8 7 6 5 4 3 2 1 编号 求根据一名女大学生的身高预报她的体重的回归方程,并预报一名身高为 172cm的女大学生的体重。 根据最小二乘法估计 和 就是未知参数a和b的最好估计, 于是有b= 所以回归方程是 所以,对于身高为172cm的女大学生,由回归方程可以预报其体重为 探究: 身高为172cm的女大学生的体重一定是60.316kg吗?如果不是,你能解析一下原因吗? 函数模型与回归模型之间的差别 函数模型: 回归模型: 线性回归模型y=bx+a+e增加了随机误差项e,因变量y的值由自变量x和 随机误差项e共同

文档评论(0)

317960162 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档