应用统计学课件：回归分析.pptVIP

《应用统计学》精品课程 Thank you! 《应用统计学》精品课程 第七章 回归分析 Unit one analysis of regression 《应用统计学》精品课程 概述 Summary 一元线形回归分析 One linear regression analysis 7.1 7.3 多元线形回归分析 Multiple linear regression analysis 7.2 7.4 非线形回归分析 Nonlinear regression analysis 《应用统计学》精品课程 客观现象间存在着相互依存，相互制约的关系，这些关系可以分为：函数关系与相关关系 7.1 概述 Summary 客观现象间的关系 函数关系 相关关系 《应用统计学》精品课程 （1） 函数关系（确定性关系） 变量间依存关系：严格，确定 可以用数学式（函数式）表达。 例如： 圆的半径与面积之间的关系： A=πr2 函数 变量 变量值确定，函数值随之唯一确定；一一对应关系！ 注意： 《应用统计学》精品课程 （2） 相关关系 （不确定关系） 变量之间有联系，但不严格，不确定（不是唯一的）；当一个变量确定以后，另一个变量随机出现在一定范围内。 Yi=f(Xi,ξ） 例如： 因变量 与自变量之间可以是单相关，也可以是多相关。 自变量 可以是一个也可以是多个。 《应用统计学》精品课程 相关关系 线性相关 非线性相关 相关程度 完全相关 不完全相关 完全不相关 《应用统计学》精品课程 （3） 回归分析 依据：现象间相关关系。 目标：分析自变量与因变量间数量变化的一般关系。 方法：拟合一条最合适的直线或曲线，并用回归方程表示出来。 例如： 工程中，混凝土中水泥增加一个单位量，混凝土的强度增加多少？ 此题就可以运用回归分析来解决！ 《应用统计学》精品课程 例题： 某企业10月份销售业绩如下表（单位：万元）： 销售额（X） 45 46 56 48 42 35 58 40 39 50 利润(Y) 6.53 6.3 9.52 7.5 6.99 5.9 9.49 6.2 6.55 8.72 已知了以上数据，在Excel表中就可以生成回归直线计算表如下： 《应用统计学》精品课程 回归直线计算表 序号 X Y XY X2 Y2 1 45 6.53 293.85 2025 42.6409 2 42 6.30 264.60 1764 39.6900 3 56 9.52 533.12 3136 90.6304 4 48 7.50 360.00 2304 56.2500 5 42 6.99 293.58 1764 48.8601 6 35 5.90 206.50 1225 34.8100 7 58 9.49 550.42 3364 90.0601 8 40 6.20 248.00 1600 38.4400 9 39 6.55 255.45 1521 42.9025 10 50 8.72 436.00 2500 76.0384 合计 455 73.70 3441.52 21203 560.3224 《应用统计学》精品课程 解： 利用公式可以求出 《应用统计学》精品课程 在Excel表格中可以通过回归分析生成以下曲线图： 《应用统计学》精品课程 7.2 一元线形回归分析 One linear regression analysis ★★★ 任务与目标： 数模 参估 假检 方差分析 （1）回归模型 ε~N（0，σ2） 自变量 因变量 误差 未知参数 《应用统计学》精品课程 为了确定未知参数,的值，可以取一个容量为n的样本(X1，Y1)，(X2，Y2)，…，(Xn，Yn)，回归分析就是要根据样本找出a, b的估计值a， b^ ，用经验回归函数 近似地描述Y与X的相关关系。该函数所表示的直线叫样本回归直线，a是直线的截距，b^是直线的斜率。上式也称为Y关于X的线性回归方程，a， b^称为回归系数。 (2) 参数 a， b^ ，σ2 估计 回归原则：最小二乘法，即残差平方和最小 Q为残差平方和，则 《应用统计学》精品课程 Q是 的函数，根据微积分求极值的原理，Q达到最小值时， Q对 的偏导数都等于零，即 求解方程组，可以得到： 《统计学》精品课程 上式表明,回归直