《预测与决策技术应用》第3章 多元线性规划预测作业PPT.ppt

第3章 回归预测方法;3.1 引言;家庭收入 ———— 家庭消费支出 身高 ———— 体重 相关关系 商品价格 ———— 商品需求量 圆的面积 ———— 圆的半径 函数关系 物体的质量 ———— 物体的体积 ;3.相关关系分类： (1) 按变量间的相关程度：完全相关（函数关系）、不完全相关、不相关 (2) 按变量间数量的变化方向：正相关（变动方向一致）、负相关（变动方向相反） (3) 按变量间相关关系的表现形式：线性相关、非线性相关 (4) 按相关关系包括的影响因素的多少：单相关（一个变量对另一个变量的相关影响）和复相关（或多元相关，若干个变量对另一个变量的相关影响）;散点图形态： ;6.样本相关系数 设已经观察记录得到了两个变量 的一组观察值（ ）（ ） ，则变量之间的样本相关系数的计算公式为： 其中， ————样本协方差, ————样本方差 简化公式：; r的取值范围： 。 r=1：X和Y完全正相关，X与Y是函数关系； r=-1：X和Y完全负相关，X与Y是函数关系； r=0：X和Y之间不存在线性关系，但可能存在非线性关系； 0| r |1：Y与X之间存在普通的线性相关关系； | r |越大，X与Ｙ之间的线性相关程度越高。 | r |≥0.8：高度相关；0.5≤| r |≤0.8：中度相关； 0.3≤| r |≤0.5：低度相关；| r |0.3：近似不相关。;7.样本相关系数的检验 样本相关系数是根据样本得到的统计量，因此具有随机性，只有对样本相关系数进行检验后才能下结论。 检验统计量： ，总体相关系数 提出假设： 对于给定的显著水平 ，计算t的估计量， ——X与Y之间存在线性相关关系； ——X与Y之间不存在线性相关关系。;注意：（1）相关分析只表明两个变量之间的相关程度和方向，它并不能说明两个变量间是否有因果关系。（2）相关关系成立的数据范围之内应用这种相关关系，不能随意外推。eg. 雨量和农作物的长势。;3.1.2回归分析; 3.回归模型的分类 (1) 一元回归模型和多元回归模型——模型中包含自变量的个数。 (2) 线性回归模型和非线性回归模型——回归模型的形式。 (3) 普通回归模型和带虚拟变量的回归模型——模型是否带有虚拟变量。;3.1.3相关分析与回归分析的主要区别;3.2 一元线性回归预测方法; (1) 参数a,b估计 利用最小二乘法进行参数估计，得到a,b表达式： (2) 回归方程 或 ;3.2.2 一元线性回归模型的显著性检验;2.回归方程的显著性检验（F检验） 利用统计方法检验所建立的回归方程是否有意义。检验步骤： (1) 建立假说 。 (2) 构造F统计量 F服从F(1，n-2)分布。对给定的显著水平 ，查F分布表可得临界值 。 (3) 根据观察值 计算统计量F的估计值 ，若 ，拒绝原假设，认为两个变量Y与x间线性关系显著；若 ，则两个变量Y与x间线性关系不显著，回归模型不能用于预测与控制。 ;3.回归系数的显著性检验（t检验）(一元线性回归中F检验与t检验结果相同) 用于判断每一个自变量与因变量的线性关系是否显著，主要检验参数是否显著异于0。检验步骤： (1) 建立假说 。 (2) 构造t统计量 ，其中 t服从t(n-2)分布。对给定的显著水平 ，查t分布表可得临界值