2013新人教 A版（选修1-2）1.1《回归分析的基本思想及其初步应用》.pptVIP

一、复习回顾： 1、求线性回归方程 2、线性回归模型y=bx+a+e 3、线性相关关系强弱的判断：相关系数r 例1:从某大学中随机选取8名女大学生,其身高和体重数据如下表,求根据女大学生的身高预报体重的回归方程,并预报一名身高为172cm的女大学生的体重. 编号 1 2 3 4 5 6 7 8 身高cm 165 165 157 170 175 165 155 170 体重kg 48 57 50 54 64 61 43 59 线性回归模型： y=0.849x-85.712+e 身高、随机误差对体重有没有影响？ 二、新概念引入： 计算例1中总偏差平方和 SST=354 思考：预报变量（体重）与实际值有偏差即总偏差平方和，这个偏差变化在多大程度上与解释变量（身高）有关？在多大程度上与随机变量有关？ 作用：表示随机误差的效应 残差平方和：样本值与回归值差的平方和 2.残差：样本值与回归值差即 例1 SSE=128.361 思考：若体重仅受身高的影响，散点图又如何？ 3.回归平方和：相应回归值与样本均值差的平方和，即： SST=SSR+SSE 作用：表示解释变量的效应 例1 SSR=225.639 即刻画了预报变量的变化中由解释变量通过线性回归模型所引起的那部分变化程度 注：当总偏差平方和相对固定时，残差平方和越小，则回归平方和越大，此时模型的拟合效果越好 . SST=SSR+SS