研究生-数理统计.pptVIP

第五章 回归分析 §5.1　一元线性回归 §5.2 多元线性回归 1、原模型： y 与 x1 , x2, … xp 的真实关系 y =f(x1 , x2, … xp ) + e 一元线性回归模型 y = α + b x + e 线性部分反映了由于 x 的变化而引起的 y 的变化； 误差项 ? 是随机变量：反映了除 x 和y 之间的线性关系之外的随机因素对 y 的影响，是不能由 x 和 y 之间的线性关系所解释的变异性 （1）变差：因变量 y 取值是不同的，y 取值的这 种波动称为变差 (QT )。变差来源于两个方面： QE :由于自变量 x 的取值不同造成的 Q :除 x 以外的其他因素(如x对y的非线性影响、测量误差等)的影响 变差的分解 (图示) ＊ 总平方和(QT ) 反映因变量的 n 个观察值与其均值的总离差 ＊回归平方和(QE ) 反映自变量 x 的变化对因变量 y 取值变化的影 响，或者说，是由于 x 与 y 之间的线性关系引 起的 y 的取值变化，也称为可解释的平方和 ＊ 残差平方和(Q) 反映除 x 以外的其他因素对 y 取值的影响，也 称为不可解释的平方和或剩余平方和 （4）判定系数 R2 (coefficient of determination) ＊ 定义：回归平方和占总离差平方和的比例 【例】钢的强度 y 对硬度 x回归的判定系数并解 释其意义 （1）检验目的：检验因变量与自变量( p 个)之 间的线性关系是否显著 提出假设 H0：钢的强度 y 对硬度 x的线性关系不显著 (1) 提出假设 H0: b = 0 (没有线性关系) H1: b? 0 (有线性关系) (2) 检验的统计量 对例题的回归系数进行显著性检验(?＝0.05) 提出假设 H0：b= 0 H1：b ? 0 计算检验的统计量 ?P 值的应用 例：在前面的例子中，回归方程为 例：在前面的例子中，回归方程为 * 在一元线性回归中，等价于线性关系的显著性检验 （1）检验目的：检验某个自变量与因变量 y 之 间是否具有显著的线性关系，或者说，检验该 自变量对因变量 y 的线性影响是否显著 4. 回归系数显著性检验( t 检验) （2）一元线性回归中的回归系数显著性检验 　　H0： bi ＝0 确定显著性水平?，并进行决策 ? t?t???(n-2)，拒绝H0；? t?t??? (n-2) ，不拒绝H0 (3) H0的拒绝域 例：钢的强度 y 和硬度 x都是反映钢质量的指标，研究两者之间关系，炼20炉中碳钢，其强度和硬度的20对试验值如表5－1。建立强度 y 和硬度 x的回归直线方程并估计σ2 。 （2）计算结果： （2）计算结果 回归直线方程 tt???（18）＝2.1009，拒绝H0，钢的强度 y 对 硬度 x的线性关系显著 注意：无论是F 检验还是 t 检验，不拒绝H0 只能得到因变量与自变量无线性关系，并不能 得到因变量与自变量无关系。 P=0.000000?=0.05，拒绝H0，钢的强度 y 对 硬度 x的线性关系显著 五、回归方程 的应用 (一) 分析因变量与自变量的关系 其中： 是估计的回归直线在 y 轴上的截距， 是直线的斜率，它表示对于一个给定的 x 的值， 是 y 的估计值，也表示 x 每变动一个单位时， y 的平均变动值 (边际分析) 五、回归方程 的应用 (二) 利用回归方程进行估计和预测 对于一个给定的 x0 的值，相应 y0 的估计值 1、点预测（ y0 的点预测） 例：钢的强度 y 和硬度 x都是反映钢质量的指标，研究两者之间关系，炼20炉中碳钢，其强度和硬度的20对试验值如表5－1。建立强度 y 和硬度 x的回归直线方程并估计σ2 。 （2）计算结果： 2、在置信概率为1－ ?的区间估计：由于 假如我们要估计硬度为230时，相应强度的估计。根据估计的回归方程得： 在正态假设下 2、在置信概率为1－ ?的区间估计：由于 在正态假设下 (2) 区间估计值 ( 称预测区间) y0 在 95% 置信水平下的置信区间为 硬度为230时，相应强度在81.66至93.06 假如我们要估计硬度为230时，相应强度的估计。根据估计的回归方程得： 结 束 * * 线性回归模型 y 为因变量, x1 , x2, … xp 为自变量, 子样为 n 组数据，体现为 (yi ; x1i , x2i , … xpi) i =1,2, ? n 2、线性回归模型： f(x1 , x2, … xp ) 为线性 形式