P85坐标纵轴为残差变量.PPTVIP

第三章 统计案例 复习课 1.计算公式 相关系数 * * 1.自变量取值一定时，因变量的取值带有一定随机性的两个变量之间的关系叫做相关关系。 最小二乘法： 称为样本点的中心。 相关系数 r∈[-1,-0.75]--负相关很强; r∈[0.75,1]—正相关很强; r∈[-0.75,-0.25]--负相关一般; r∈[0.25, 0.75]—正相关一般; r∈[-0.25, 0.25]--相关性较弱; 2．相关系数的性质 (1)ｒ＞０正相关；ｒ＜０负相关 (2)|r|≤1． (3)|r|越接近于1，相关程度越大；|r|越接近于0，相关程度越小． 图表标题 y = 0.8485x - 85.712 0 20 40 60 80 150 160 170 180 体重 线性 (体重) 线性 (体重) 线性 (体重) 从散点图可以看到，样本点散布在某一条直线的附近，而不是一条直线上，所以不能用一次函数ｙ＝ｂｘ＋ａ来描述它们之间的关系。这时我们用下面的线性回归模型来描述身高和体重的关系：ｙ＝ｂｘ＋ａ+ｅ其中ａ和ｂ为模型的未知参数，e是y与 之间的误差,通常ｅ称为随机误差。 线性回归模型 ｙ＝ｂｘ＋ａ+ｅ ｙ＝ｂｘ＋ａ+ｅ其中ａ和ｂ为模型的未知参数， e是y与 之间的误差,通常ｅ称为随机误差。 了解残差图的制作及作用。P85 坐标纵轴为残差变量，横轴可以有不同的选择； 若模型选择的正确，残差图中的点应该分布在以横轴为心的带形区域； 对于远离横轴的点，要特别注意。 错误数据 模型问题 身高与体重残差图 异常点 总偏差平方和,残差平方和,回归平方和三者的含义与它们间的关系: 预报精度 1.相关指数R2 在含有一个解释 变量的线性模型 中R2=r2(相关关系) 显然,R2取值越大,意味着残差平方和越小,也就是说模型的拟合效果越好.在线性回归模型中,R2表示解释变量对于预报变量变化的贡献率.R2越接近于1,表示回归的效果越好. 在例1中,R2=0.64,表明”女大学生的身高解释了64%的体重变化”,或者说”女大学生的体重差异有64%是由身高引起的”. 1)确定解释变量和预报变量; 2)画出散点图; 3)确定回归方程类型; 4)求出回归方程; 5)利用相关指数或残差进行分析. 建立回归模型的基本步骤