《数理统计》第五篇 章回归分析.pptVIP

线性回归要解决的问题： (二）最小二乘估计及其性质 例6 某公司在各地区销售一种特殊化妆品。该公司观测了15 个城市在某月内对该化妆品的销售量Y及各地区适合使用该化妆品的人数X1和人均收入X2，得到数据如下： 表1.1.2 化妆品销售的调查数据 地区 i 销售（箱） Yi 人数（千人） Xi1 人均收入（元）Xi2 1 162 274 2450 2 120 180 3254 3 223 375 3802 4 131 205 2838 5 67 86 2347 6 169 265 3782 7 81 98 3008 方差分析表 方差来源 平方和 自由度 均方 F比 回归 S回 1 S回/1 残差 Qe n-2 Se/(n-1) 总和 Qyy n-1 线性回归的方差分析 对检验水平?，查表得F?(1,n-2)， 计算出F值。 若FF?(1,n-2) ，则拒绝H0 ，说明回归效果显著； 若FF?(1,n-2) ，则接受H0 ，说明回归效果不显著。 例 为研究某一化学反应过程中温度x对产品得率Y的影响，测得数据如下： (1)求Y关于x的回归方程; (2)求?2的无偏估计量的值; (3)取? =0.05,问回归效果是否显著？若显著,求出b的置信度为0.95的置信区间； (4)作方差分析，检验回归效果(? =0.01)。 温度x ?C 100 110 120 130 140 150 160 170 180 190 得率Y % 45 51 54 61 66 70 74 78 85 89 解 (1)先画出散点图，从图看出，?(x)大致是线性函数，设?(x) =a+bx 这里n=10，为求线性回归方程，对所需要的计算列表： i xi yi xi2 yi2 xiyi 1 100 45 10000 2025 4500 2 110 51 12100 2601 5610 3 120 54 14400 2916 6480 4 130 61 16900 3721 7930 5 140 66 19600 4356 9240 6 150 70 22500 4900 10500 7 160 74 25600 5476 11840 8 170 78 28900 6084 13260 9 180 85 32400 7225 15300 10 190 89 36100 7921 16910 ? 1450 673 218500 47225 101570 所以得回归直线方程为 写成另一种形式 (2) (3)已求出 由此得出 又 查出 这里45.3942.306，即|t|值在H0的拒绝域内，故拒绝H0 ，说明回归效果是显著的。 b的置信度为0.95(?=0.05)的置信区间为 相关系数检验法 （五）回归系数b的置信区间 当回归效果显著时，常需要对回归系数b作区间估计。 (六)回归函数 函数值的点估计和置信区间 （七）Y的观察值的点预测和预测区间 注：在预测时， 一定要落在已有的 的数据范围内部，否则预测常常没有意义。 例4，在例1中F.Galton曾断言“儿子身高会受到父亲身高的影响，但身高偏离父代平均水平的父亲，其儿子身高的影响有回归到子代平均水平的趋势。”试问例1这组数据能证实这一论断吗(α=0.05)?并给出x=69吋时,y的预测区间。 (1)回归到平均水平的趋势，即检验 例5 合金钢的强度y与钢材中碳的含量x有密切关系。为了冶炼出符合要求强度的钢常常通过控制钢水中的碳含量来达到目的，为此需要了解y与x之间的关系。其中x：碳含量（％） y：钢的强度（kg/mm2）数据见下： x 0.03 0.04 0.05 0.07 0.09 0.10 0.12 0.15 0.17 0.20 y 40.5 39.5 41.0 41.5 43.0 42.0 45.0 47.5 53.0 56.0 （1）画出散点图；（2）设μ(x)=a+bx,求a,b的估计；（3）求误差方差的估计，画出残差图；（4）检验回归系数b是否为零（取α=0.05)；（5）求回归系数b的95％置信区间；（6）求在x=0.06点，回归函数的点估计和95％置信区间；（7）求在x=0.06点，Y的点预测和95％区间预测。 0.03 0.05 0.07 0.09 0.11 0.13 0.15 0.17 0.19 56