开题报告回归分析.docVIP

开题报告回归分析 西北工业大学明德学院毕业设计 题目 回归分析应用研究 专业名称 信息与计算科学 学生姓名 姚羽 指导教师 唐贤芳 毕业时间 回归分析中文名称：回归分析 英文名称:regression analysis 定义：研究一个随机变量Y对另一个(X)或一组(XI, X2, ?, Xk)变量的相依关系的统计分析方法。 应用学科：遗传学（一级学科）；群体、数量遗传学（二级 学科） 回归分析（regression analysis）是确定两种或两种以上变数间 相互依赖的定量关系的一种统计分析方法。运用十分广泛， 回归分析按照涉及的自变量的多少，可分为一元回归分析和 多元回归分析；按照自变量和因变量之间的关系类型，可分 为线性回归分析和非线性回归分析。如果在回归分析中，只 包括一个自变量和一个因变量，且二者的关系可用一条直线 近似表示，这种回归分析称为一元线性回归分析。如果回归 分析中包括两个或两个以上的自变量，且因变量和自变量之 间是线性关系，则称为多元线性回归分析。 方差齐性 线性关系 效应累加 变量无测量误差 变量服从多元正态分布 观察独立 模型完整（没有包含不该进入的变量、也没有漏掉应该进入 的变量） 误差项独立且服从（0,1）正态分布。 现实数据常常不能完全符合上述假定。因此，统计学家研究 出许多回归模型来解决线性回归模型假定过程的约束。 研究一个或多个随机变量Yl , Y2 , ?, Yi与另一些变量 XI、X2, ?, Xk之间的关系的统计方法。又称多重回归分 析。通常称Yl, Y2, ?, Yi为因变量，XI、X2, ?, Xk为 自变量。回归分析是一类数学模型，特别当因变量和自变量 为线性关系时，它是一种特殊的线性模型。最简单的情形是 一个自变量和一个因变量，且它们大体上有线性关系，这叫 一元线性回归，即模型为Y=a+bX+￡,这里X是自变量，Y 是因变量，￡是随机误差，通常假定随机误差的均值为Oo 方差为6 （厲大于0） °2与X的值无关。若进一步假定随 机误差遵从正态分布，就叫做正态线性模型。一般的情形, 差有k个自变量和一个因变量，因变量的值可以分解为两部 分：一部分是由自变量的影响，即表示为自变量的函数，其 中函数形式已知，但含一些未知参数；另一部分是由于其他 未被考虑的因素和随机性的影响，即随机误差。当函数形式 为未知参数的线性函数时，称线性回归分析模型；当函数形 式为未知参数的非线性函数时，称为非线性回归分析模型。 当自变量的个数大于1时称为多元回归，当因变量个数大于 1时称为多重回归。 归分析的主要内容为：①从一组数据出发确定某些变量之 间的定量关系式，即建立数学模型并估计其中的未知参数。 估计参数的常用方法是最小儿乘法。 ②对这些关系式的可信程度进行检验。 ③在许多自变量共同影响着一个因变量的关系中，判断哪个 （或哪些）自变量的影响是显著的，哪些自变量的影响是不 显著的，将影响显著的自变量选入模型中，而剔除影响不显 著的变量，通常用逐步回归、向前回归和向后回归等方法。 ④利用所求的关系式对某一生产过程进行预测或控制。回归 分析的应用是非常广泛的，统计软件包使各种回归方法计算 十分方便。 编辑本段回归分析的应用 相关分析研究的是现象之间是否相关、相关的方向和密切程 度，一般不区别自变量或因变量。而回归分析则要分析现象 之间相关的具体形式，确定其因果关系，并用数学模型来表 现其具体关系。比如说，从相关分析中我们可以得知“质量” 和“用户满意度”变量密切相关，但是这两个变量之间到底是 哪个变量受哪个变量的影响，影响程度如何，则需要通过I 归分析方法来确定。 一般来说，回归分析是通过规定因变量和自变量来确定变量 之间的因果关系，建立回归模型，并根据实测数据来求解模 型的各个参数，然后评价回归模型是否能够很好的拟合实测 数据；如果能够很好的拟合，则可以根据自变量作进一步预 测。 例如，如果要研究质量和用户满意度之间的因果关系，从实 践意义上讲，产品质量会影响用户的满意情况，因此设用户 满意度为因变量，记为Y；质量为自变量，记为X。根据图 8—3的散点图，可以建立下面的线性关系：Y=A+BX+ 式中：A和B为待定参数，A为回归直线的截距；B为回归 直线的斜率，表示X变化一个单位时，Y的平均变化情况; 为依赖于用户满意度的。 在SPSS软件里可以很容易 地实现线性回归，回归方程如下:y=0 地实现线性回归，回归方程如下: y=0?857+0?836x 回归直线在y轴上的截距为0.857、斜率0.836,即质量每提 高一分，用户满意度平均上升0?836分；或者说质量每提高 1分对用户满意度的贡献是0.836分。 上面所示的例子是简单的一个自变量的线性回归问题，在数 据分析的时候，也可以将此推广到多个自变量的