回归分析 刘超 第1章 绪论.pdf

回归分析 ——方法、数据与R的应用 刘超 北京航空航天大学数学科学学院 2020年1月18日 刘 超 ，回归分析——方法、 数据与R的应用，高等教育 出版社，2019年10月 第1章 绪论 上课之前的话 这是一个数据的时代 • 在大数据时代,数据既是生活中产生信息、知识、智慧的基础, 又 贯穿其中,成为人们生活的一部分 • 对数据进行深入的统计分析以得到有价值的结论,对经济、社会 甚至日常生活都将产生巨大的影响 回归分析(regression analysis)是应用最广泛的数 据分析方法之一 • 它通过构建合适的函数来刻画数据或变量之间的统计关系,帮助 我们来解释或预测感兴趣的变量 • 掌握回归建模方法，知道如何应用回归模型于日常生活、工作和 学习之中，将有助于你更加有效地做出决策 目的与要求 (1) 了解什么是回归分析 (2) 了解什么情况下使用回归模型 (3)掌握回归分析的基本概念 (4) 了解数据收集的主要方法 (5)熟悉R软件的基本操作 1.1“回归”的由来 1.1“回归”的由来 “回归”最早是英国统计学家弗朗西斯 ·高尔顿爵 士(Sir Francis Galton,1822—1911年)19世纪提出的 高尔顿和他的学生、现代统计学的奠基者之一 K.Pearson(1857—1936年)在研究父母身高与其子女 身高的遗传问题时,观察了1 078对夫妇, 发现： ˆ y = 33.73 +0.516x 成年儿子身高 父母平均身高 相对于父辈的身高,子女的身高会慢慢地 “回归”到 族群的平均身高。高尔顿将这种现象称之为回归。 1.1“回归”的由来 在图1- 1里,A猫超出父代平均身高20%,而A子仅超出子代平均身高10%;B 猫和B子都等于各自一代的平均身高;C猫低于父代平均身高15%,而C子 仅低于子代平均身高5% 在同一族群里面,虽然大方向上还是高个子父亲生高个子儿子,但是他们 与平均身高的距离会越来越小,子代的身高会慢慢地 “回归”到族群的平 均身高 1.1“回归”的由来 一般来说,如果一个变量可以被另一个变量精确 地表示,那么这两个变量之间的关系是确定性的 确定性关系或函数关系 • 商品的销售额与销售量之间的关系 ） 6000 元 万 5000 y = 1000x （ y y = px 4000 3000 • 圆的面积与半径之间的关系 2000 1000 2