气象统计方法多元线性回归分析.pptVIP

对一组样本容量为 n 的多变量数据，可类 似写成标准化变量回归方程矩阵形式 (7) 其中， 为标准化因子矩阵， 为标 准化回归系数向量，其中第 k 个分量为 。 z z z b X y ? ? z X z b zk b 可用最小二乘法求出标准化回归系数向 量，标准化方程组的矩阵形式为 或者 (8) 其中， z z z z y X b X X z ? ? ? xy z r Rb ? z z n X X R ? ? 1 z z py y y n r r r y X r xy ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 1 2 1 ? R 为 p 个因子的相关矩阵。（ 8 ）式展开为 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? py zp pp z p z p y zp p z z y zp p z z r b r b r b r r b r b r b r r b r b r b r ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 2 2 1 1 2 2 2 22 1 21 1 1 2 12 1 11 回归方程几种形式概括 ? 原始变量回归方程： ? 距平变量回归方程： ? 标准化变量回归方程： 0 1 1 2 2 ? k k y b b x b x b x ? ? ? ? ? L 1 1 2 2 ? d d d k dk y b x b x b x ? ? ? ? L 1 1 2 2 ? z z z z z z zk y b x b x b x ? ? ? ? L 四、回归问题的方差分析 和一元回归问题方差分析类似，预报量的 方差可以表示成回归估计值的方差（回 归方 差）和误差方差（残差方差）之和。 2 2 ? 2 e y y S S S ? ? 有时候，两边同时乘以 n 变成各变量离差 平方和的关系。 Q U S yy ? ? d d n i i y y U y y ? ? ) ? ( 1 2 ? ? ? ? ? ? ) ? ( ) ? ( )] ? ( ) [( ) ? ( 1 1 2 2 d d d d n i n i i i i i y y y y y y Q y y y y ? ? ? ? ? ? ? ? ? ? ? ? ? ? d d n i i yy y y S y y ? ? ? ? ? ? 1 2 ) ( 上式最后一项为 0 。 U 和 Q 分别称为回归平 方和及残差平方和， 称为总离差平方和。 U 反映了 p 个因子与预报量线性关系部分。 Q 反 映了观测值偏离回归直线的程度。 yy S ) ? ( ? 2 ? ? ) ? ( ) ? ( d d d d d d d d d y y y y y y y y y ? ? ? ? ? ? ? ? ? ] ? ) ? [( ] ? ) ? [( d d d d d d yy S y y y y y y ? ? ? ? ? ? 向量形式： ? ? ? ? ? ? ? ? ? ? ? n i i n i i n i i i y y y y y y y y R 1 2 1 2 1 ) ? ( ) ( ) ? )( ( yy d d d d d d d d d d d d S U R ? ? ? ? ? ? ? ? ? ) ? ? )( ( ? ? ) ? ? )( ( ? y y y y y y y y y y y y 五 复相关系数 意义： 上式反映了 回归平方和 、 总离差平 方和 与 复相关系数 的关系。可见， 复相关系数实际是衡量 p 个因子对预 报量的线性解释方差的百分率，其 变化在 0 ~ 1 之间。 yy S Q R ? ? 1 2 1 ）衡量 一个 预报量和 多个预报 因子 之间的线性关系程度的量； 2 ） 衡量了预报因子对预报量的线性解释 方差的百分率； 3 ） R 的绝对值越大，表明回归效果越好。 2 0 1 R ? ? 调整复相关系数 残差方差的无偏估计量 : 预报量 y 的方差的无偏估计量： 1 ? 2 ? ? ? p n Q e ? 1 ? 2 ? ? n S yy y ? 调整复相关系数 是对总体复相关系数的估计， 也是对总体回归关系的解释方差的一种估计。 1 1 1 ? ? 1 2 2 2 ? ? ? ? ? ? ? n S p n Q R yy y e ? ? ? ) 1 )( 1 1 ( 1 2 R p n n ? ? ? ? ? ? 六、回归方程的显著性检验 假设预报因子与预报量之间无线性关系， 则回归系数应该为 0 。 检验假设： 计算统计量 0 : 2 1 0 ? ? ? ? p H ? ? ? ? 1 ? ? ? p n Q p U F 遵从分子自由度为 p,