第九章 一元回归分析知识讲解.ppt

第九章 一元回归分析 主要内容 §9.0 回归分析的概念 §9.1 回归方程的建立 §9.2 回归方程的显著性检验 一、函数关系和相关关系 §9.0 回归分析的概念 二、回归分析的概念 相关关系举例 例如：在气候、土壤、水利、种子和耕作技术等条件基本相同时，某农作物的亩产量 Y 与施肥量 X 之间有一定的关系，但施肥量相同，亩产量却不一定相同。亩产量是一个随机变量。 又如：人的血压 Y 与年龄 X 之间有一定的依赖关系，一般来说，年龄越大，血压越高，但年龄相同的两个人的血压不一定相等。血压是一个随机变量。 农作物的亩产量与施肥量、血压与年龄之间的这种关系称为相关关系，在这些变量中，施肥量、年龄是可控变量，亩产量、血压是不可控变量。一般在讨论相关关系问题中，可控变量称为自变量，不可控变量称为因变量。 函数关系与相关关系的区别 相关关系—— 影响 的值， 函数关系—— 决定 的值 因此，统计学上讨论两变量的相关关系时，是设法 确定：在给定自变量 的条件下，因变量 的 条件数学期望 不能确定 二、回归分析的概念 研究一个随机变量与一个（或几个）可控变量之间 的相关关系的统计方法称为回归分析。 引进回归函数 称为回归方程 回归方程反映了因变量Y随自变量x的变化而变化的平均变化情况 回归分析方法 非确定性情况涉及的状态比较复杂，因此回归分析方法也有多种： 线性回归分析:变量中自变量与因变量成简单的线性关系，但随着影响变量数目不同又分为： 一元线性回归:它是描述一个自变量与一个因变量间线性关系的回归分析方法，又称单回归。 多元线性回归:它是描述一个因变量与多个自变量间线性关系的回归分析方法，又称复回归。 非线性回归分析:变量之间的关系是一种复杂的非线性关系。 回归分析主要包括三方面的内容: （1）提供建立有相关关系的变量之间的数学关系 式（称为经验公式）的一般方法； （2）判别所建立的经验公式是否有效，并从影响随机变量的诸变量中判别哪些变量的影响是显著的，哪些是不显著的； （3）利用所得到的经验公式进行预测和控制。 回归分析的内容 一、一元线性回归方程的概念 §9.1 一元线性回归方程的建立 二、一元线性回归方程的建立 例9-1 某种合金的抗拉强度y(kg/mm2)与其中的含碳量x(%)有关，现测12对数据如下表所示,试求出y与x的关系。 一、一元线性回归方程的概念 以含碳量作为横坐标X，以抗拉强度作为纵坐标Y建立直角坐标系；以上表实际数据(xi, yi)为坐标作数据点，绘制出数据散点图；观察这些数据点大致形成什么样的图形。 可以认为上述散点图中各点基本上呈直线状，即认为y与x的关系基本上是线性的。 其中 ，为随机误差项， 且相互独立， 易见 则假设这批数据的数学模型为： 其中 是与 无关的未知常数。 一般地，称如下数学模型为一元线性模型 ，且各?i相互独立 若 分别是 的点估计, 一元线性回归分析解决的基本问题 依据样本(xi, yi), i=1,2,…,n，一元线性回归分析解决如下基本问题： (1)未知参数 的点估计 则可得E(Y)的估计 上式称为Y关于x的一元线性回归方程 一元线性回归方程对应的直线称为回归直线 称为回归系数,是回归直线的斜率 称为回归常数,是回归直线的截踞 一元线性回归分析解决的基本问题 依据样本(xi, yi), i=1,2,…,n，一元线性回归分析解决如下基本问题： (1)未知参数 的点估计 (2) 回归方程的显著性检验，在实际问题中， Y与x之间是否存在线性关系是要经过检验的。 (3) 利用回归方程进行预测和控制。 回归方程的建立 由观测值 确定的回归 方程 考虑函数 问题：确定 ，使得 取得极小值。 因变量的各个实际值与估计值之间的误差为： 要使得回归方程与实际情况拟合得最好，就必须使得误差平方和 最小。 令 正规方程组 最小二乘法 称为 最小二乘估计，具有如下性质： 因此 编号 1 2 3 4 5 6 7 8 9 脂肪含量% 15.4 17.5 18.9 20.0 21.0 22.