回归统计模型 .pptVIP

第一节 回归的统计模型 引言 一元线性回归模型的建立 一、引言 在客观世界中, 普遍存在着变量之间的关系. 数学 的一个重要作用是从数量上来揭示、表达和分析 这些关系， 而变量之间的关系， 一般可分为确定性 的和非确定性的两类. 确定性的关系可用函数关系 来表达， 而非确定性的关系则不然. 例如, 和体重的关系、人的血压与年龄的关系、某产品的 广告投入与销售额间的关系等， 能用普遍函数来表达， 我们称这类非确定性关系为 人的身高 它们之间的关系不 相关关系. 具有相关关系的变量虽然不具有确定的 函数关系， 但是可以借助函授数关系来表示它们之 间的统计规律, 这种近似地表示它们之间的相关关 系的函数被称为回归函数. 两个以上变量相关关系的一种重要的统计方法. 在实际中最简单的情形是由两个变量组成的关系. 考虑用下列模型表示 回归分析是研究两个或 但是， 由于两个 变量这间不存在确定的函数关系. 因此必须把随机波动考虑进去， 故引入模型如下 其中 是随机变量， 是普通普量， 是随机变量 (称为随机误差). 回归分析 是研究两个或两个以上变量间相互关系的 一种重要的统计方法. 回归分析具有广泛的应用基 它通过建立统计模型来研究变量间的相关关系, 建立起变量之间关系户的表达式, 即经验公式, 并 由此对相应的变量进行预测的控制等. 本节主要介 础, 绍一元线性回归模型 估计、检验 问题. 引例 为了研究某一化学反应过程中温度 对产 品得率 的影响. 测得数据如下： 为了研究这些数据所蕴藏的规律性， 为横坐标， 得率 作为纵坐标, 在 坐标系中作 出下图(散点图). 将温度 作 45 51 54 61 66 70 74 78 85 89 100 110 120 130 140 150 160 170 180 190 温度 得率 % 从图易见, 虽然这些点是散乱的, 某条直线附近, 但大体上散布在 即该化学反应过程中温度与产品 得率之间大致成线性关系, 由于测试过程中随机因素影响的结果, 这些点与直线的偏离是 过程中产品的得率与温度的数据可假设有如下结 构形式： 其中 是测试误差， 它反映了变量之间的不确定 关系. 故化学反应 二、一元线性回归模型 一元线性回归分析处理两个变量之间的相关系. 般地， 当随机变量 与普通变量 之间有线性关系 可设 设 是取自总体 的一组样本， 而 是该 样本的观察值， 则有 一 时, 为待定系数. (1) 其中 相互独立, 在线性模型中, （2） 回归分析就是根据样本观察值寻求 的估计 对于给定 值, 取 （3） 作为 的估计. 方程(3)称为 关 于 的线性回归方程或经验公式, 其图形称为回归 直线， 称为回归系数.