回归剖析曲线拟合.pptVIP

回归分析、线性回归和曲线估计 ■回归分析 线性回归 曲线估计  回归分析 什么是回归分析? 1、重点考察一个特定的变量(因变量),而 把其他变量(自变量)看作是影响这一变 量的因素,并通过适当的数学模型将变 量间的关系表达出来 2、利用样本数据建立模型的估计方程 3、对模型进行显著性检验 4、进而通过一个或几个自变量的取值来估 计或预测因变量的取值  回归分析的模型 、分类 按是否线性分:线性回归模型和非线性回归模型 按自变量个数分:简单的一元回归和多元回归 、基本的步骤 利用sPSS得到模型关系式,是否是我们所要的? 要看回归方程的显著性检验(F检验) 回归系数/的显著性检验(T检验) 拟合程度R2 (注:相关系数的平方,一元回归用 R Square,多元回归 用 Adjusted R Square)  回归分析的过程 在回归过程中包括: Liner:线性回归 Curve Estimation:曲线估计 Binary logistic:二分变量逻辑回归 Mul tinomial logistic:多分变量逻辑回归; 0 dina|序回归; Probit:概率单位回归; Non inear:非线性回归; Wei ght Est imation:加权估计; 2- Stage Least squares:二段最小平方法; Opt imaI Scal ing最优编码回归 我们只讲前面2个简单的(一般教科书的讲法)  线性回归 线性回归分为一元线性回归和多元线性回归 元线性回归: 1、涉及一个自变量的回归 2、因变量y自变量x之间为线性关系 被预测或被解释的变量称为因变量( dependent var iab le), 用y表示 用来预测或用来解释因变量的一个或多个变量称为自变量 ( independent variable),用x表示 3、因变量与自变量之间的关系用一个线性 方程来表示