回归分析与经验公式拟合课件.pptVIP

0.01 0.05 0.1 显著否 显著否 显著否 总和 残余 １ 回归 置信限 统计量 标准差 自由度 平方和 偏离 方差分析表 进行比较 检验步骤 1、依序计算统计量 2、按一定显著水平α，自由度 ，查F 分布表 比较后，作出判断结论。 三、回归系数的不确定度与回归方程的稳定性 1、回归系数的不确定度 (1) 回归系数的不确定度是描述回归系数的分散性 (2) 回归系数　和　的标准不确定度的计算公式 (3) 回归系数　和　的协方差的计算公式 式中，　是残余标准差 三、回归系数的不确定度与回归方程的稳定性 2、回归方程的稳定性 (1) 是指回归值　的波动大小 波动愈小，回归方程的稳定性愈好 用 标准不确定度　　 来表示 (2) 回归值　的波动大小的计算公式： 回归值的波动大小不仅与剩余标准差s有关，而且还取决于试验次数n及自变量取值范围。 3、提高回归方程中各估计量稳定性的方法 (1) 提高观察数据本身的准确度 (2) 尽可能增大观测数据中自变量的取值范围 (3) 增加观测次数 (4) 减小残余误差，即拟定合适回归方程使其尽可能合乎实际数据的变化规律 三、回归系数的不确定度与回归方程的稳定性 四、回归预测值及其不确定度 1、利用估计的回归方程，对于自变量　的一个给定值　 ，求出因变量　的一个估计值　，就是回归的预测值 用　的标准不确定度来表述 用　的扩展不确定度来表述 2、预测值　与实际值　之间存在偏差，因此给出预测值时，还必须给出其不确定度。有以下两种表示方式 其中，扩展不确定度度 【例9-1】 试对下表所列实验数据做直线拟合，并作方差分析和预测。 180 200 145 165 123 110 191 205 104 100 141 135 151 180 190 220 134 135 144 160 110 130 153 145 141 125 190 190 108 110 155 160 204 235 190 210 158 130 177 185 150 170 161 145 107 115 177 205 121 125 165 195 180 240 143 160 151 135 154 150 127 135 147 155 116 100 115 120 【解】 直线拟合计算 故有 直线拟合 方差分析 0.01 高度显著 33 50094 总和 32 9057 残余 7.50 145.0 16.8 １ 41037 回归 置信限 统计量 标准差 自由度 平方和 偏离 【解】 线性关系成立 预测 对于　　　 ，查t分布表得 故有 【解】 作为包含因子 反映回归值的稳定性 回归直线及预测区间 【解】 第三节　多元线性回归分析 一、多元线性回归方程 多元线性回归模型——概念要点 2、描述因变量　如何依赖于自变量　　　　 和误差项　的方程称为多元线性回归模型 3、涉及　个自变量的多元线性回归模型可表示为 　　　　　是待定的估计量 　 是n个相互独立且等权的随机误差分量 　 是　　　　　的线性函数加上误差项　　　 　说明了包含在　里面但并不能被各个自变量的线性关系所解释的变异性　　　　 1、一个因变量与两个及两个以上自变量之间的回归 多元线性回归模型——概念要点 4、对于　组实际观测数据　　　　　　 ，多元线性回归模型可表示为矩阵形式： 式中 一、多元线性回归方程 多元线性回归模型——基本假定 1、自变量　　　　 是确定性变量，不是随机变量； 2、随机误差项　的期望值为０，且方差　 都相同； 3、误差项　是一个服从正态分布的随机变量，即　 且相互独立 一、多元线性回归方程 多元线性回归模型——正规方程组 一、多元线性回归方程 设最小二乘得出的估计参数B为： 回归方程为： 回归误差： 依据最小二乘法，正规方程组为： 多元线性回归模型——正规方程组的最小二乘解 一、多元线性回归方程 对于正规方程组为： 回归系数B的最小二乘估计为： 故得多元线性回归方程 多元线性回归模型的另一种形式： 　　　　　称为偏回归系数 　 表示假定其他变量不变，当每　变动一个单位时，　的平均变动值 一、多元线性回归方程 一、多元线性回归方程 用样本统计量　　　　　 代替回归方程的未知数 即得到估计的回归方程： 　　　　　　是　　　　　　的估计值 　是　的估计值 多元线性回归模型的另一种形式： 多元线性回归模型的另一种形式： 一、多元线性回归方程 同样有正规方程组： 其解： 一、多元线性回归方程 即： 计算过程 二、线性回归效果检验 回归方程的显著性检验 1、检验因变量和所有的自变量之间的是否存在一个显著的线性关系，也被