09回归分析教学材料.pptVIP

解 检验假设 拒绝域为 由例2得 拒绝 即认为线性回归系数显著. 例4 检验例2中的线性回归是否显著 3/5/5.2 结论： 时, 2.2 F-检验 4/5/5.2 检验假设 选取统计量 对给定的显著性水平 的拒绝域为 5/5/5.2 §3 回归系数的区间估计 1/2/5.3 2/2/5.3 其中， 为2.1节样本方差的估计值。 4.1 单值预测 设回归方程为 §4 预测 1/24/5.4 4.2 区间预测 解 由例1和例2可得 1.0707 例5 求例2中当碳含量为0.50时,电阻的置信水平为0.95的置信区间. 2/24/5.4 =(20.2336±0.2079×1. 0707×2.5706) =(20.2336±0.5722) =(19.6614, 20.8058) Matlab给出的一些常用的函数如下表： 3/24/5.4 4/24/5.4 3)而[B, bint, r, rint]=regress (y, X, )则给出参数的估计B和残差r以及B和r的（1- ）置信区间， 缺省时取0.05; 线性函数模型说明(9点)： 2)多重线性回归亦称“多元线性回归”或“复线性回归”，X为样本数据矩阵，y为观察值。函数regress按X的列和y用最小二乘拟合求出回归系数向量B(即向量的回归); 1)函数调用中的X是样本数据矩阵; 是可以选择的显著性水平，也可以缺省，缺省时系统默认 5/24/5.4 4)给定方差矩阵的线性回归函数lscov (A, B, V)按最小二乘法求回归方程A*X=B+E，返回回归系数X，其中E服从均值为0方差为V的正态分布；第二个函数[X,DX]=lscov (A, B, V)除返回X外，还返回X的标准误差DX; 6/24/5.4 5)给出置信区间的预测函数[Y, delta]= polyconf (p, X, S, )使用函数polyfit的输出S来给出100(1- )%置信区间 Y± delta，如果 缺省，则给出95%的置信区间 Y± delta; 6)单因子方差分析P=anova1(X)返回的结果P为“零假设”(即X中各列的均值相等或无显著差异)成立的概率值，如果该值接近于零，则“零假设”被怀疑，即X各列的均值事实上是不相同的，是有较大差异的; 7)多因素方差分析P=anova2(X,reps)进行均衡的双因素方差分析,比较样本数据阵X中多行和多列数据的均值,不同列数据表示单一因素变化情况,不同行的数据表示另一因素的变化情况,如果每种“行-列”对(也称为“单元”)有不止一个的观察值,则用参数reps来标明每个“单元”多个观察值的不同标号。 7/24/5.4 例6：在某金属矿床的矿脉处，在10个相邻样本点处做了金属含量测试，实验所得样本数据如下表所示： (1)试建立X对Y的线性回归方程； (2)若专业上有经验公式 ，试建立X对Y的曲线回归方程，并比较两者。 8/24/5.4 Matlab命令程序: 9/24/5.4 线性回归与经验公式结果比较图 10/24/5.4 碳含量（%） 0.10 0.30 0.40 0.55 0.70 0.80 0.95 电阻（微欧） 15 18 19 21 22.6 23.8 26 例7 已知例2的数据如下： 用Matlab编程获得： 通过以下检验，确定该回归模型能否用于预测： (2) 标准误差S=0.2078; (3) 判定系数R2=0.9974; (4) 相关系数r=0.9987; (1) 线性回归方程 两者都接近1，表示拟合程度好、相关程度高; 95%的置信区间： 11/24/5.4 (5) 回归系数的t - 检验值及95%置信区间 (6) 回归模型的F-检验值 查表t0.05/2(7-2)=t0.05/2(5)=2.5706，回归系数显著; 查表F0.05(1,7-2)=F0.05(1,5)=6.6079，回归模型显著; 12/24/5.4 (7) 回归模型剩余项DW统计量值 DW值未超过2.5，自相关性不显著。 练习题2：对该检验用M文件编程。(regress02) 13/24/5.4 例8：有三台机器,用来生产某规格相同的金属薄板,现各抽取5块薄板样本,测量其厚度如下表,问三台机器所生产薄板的厚度有无显著差异？ 分析：这是一个单因素方差分析，影响薄板厚度的因素是机器，三台机器，水平s=3，实验数据量n= 3×5=15,用anova1( )函数来实现单因素方差分析。 另外，还可以用单因素、多因素方差分析函数检验不同实体在执行某项功能时是否有