气象统计分析与预报方法：05_第二章-回归分析1.pptxVIP

1 第二章 回归分析 Part I :回归分析的介绍 1 Part III :多元线性回归 3 Part V:非线性回归 5 2 Part I :回归分析的介绍 1 回归分析的方法 回归分析的步骤 回归分析的参数设定（SPSS） 回归分析的应用举例 回归分析的基本思想 变量之间的关系大致可以分成两类： 一类是各变量之间存在着完全确定性的关系，即所谓函数关系，即微积分学中研究的问题； 另一类是各变量之间有一定的关系，但这种关系并不能完全确定，即是所谓非确定性关系。 [例如].人体身高与体重有一定的关系，平均来讲身高者体也重。但是它们之间不能用一个确定的函数关系式表达出来。又如，人的血压与年龄也是这样，它们之间有一定的关系，一般讲年龄大者血压相对也高。但是血压与年龄之间不能用一个确定的函数关系式来表达。 回归分析是处理变量之间的不确定的相关关系的有力工具。 回归分析是用于寻找连续型变量与因子之间关系的一种方法。 利用所找到的统计关系对某一变量做出未来时刻的估计，称为预报值（习惯上也称为预报量）。 为了预报这个对象未来时刻的变化，我们选择预报量前期已发生的多个有关的气象要素或者其他地球物理要素（把他们称为预报因子）。 回归分析方法就是去分析多个预报因子与这个预报量之间的相互关系，建立他们统计关系的方程式，最后利用方程式对未来时刻的平均气温做出预报估计。 1、回归的基本思想 Regression—回归分析 回归分析：检测一个非独立变量（dependent,因变量）与一组独立变量（independents,自变量）之间的关系 (实验数据的曲线拟合) Y = f (a0,a1,a2…,am;x1,x2,…xm )+error(x1,x2,…xm ) dependent independent 即：回归分析是数理统计中常用的方法,它是用来研究变量与变量之间相关关系的。 用于描述两个同时发生的事件之间关系。 ------树木年轮与气温 通过回归方法模拟时间滞后的事件之间的联系。 ------研究风力与Hamburg港湾几小时之后水面高度之间的关系，以进行风暴潮的预测。 回归分析是一种统计模型 它包括线性回归和非线性回归，例如： 回归分析对于大气科学有什么用？ 大气是一个非线性动力系统，从确定性的意义上讲大气运动不具有完全的可预报性; 天气业务预报和气候预测都是在统计预报的基础上发展而来的； 在数值预报盛行前纯粹的统计预报是天气和气候预测的主要手段； 数值预报逐渐成熟后，统计方法与数值预报相结合可丰富预报结果 提供具体气象要素的概率预报 提供非格点地点，即站点（如具体城市）的详细预报结果 回归分析对于大气科学有什么用？ 对于短期（数小时）临近预报和长期（数周以上）数值预报无法及时得到或无法准确预报，统计方法则更具优势； 回归分析在大气科学中可用来寻找若干气象变量之间统计关系，从而获得预报量和预报因子的简单数学关系； 气象预报业务中最基本的方法之一； 包括一元线性回归、多元回归和非线性回归等。 回归关系的假定：y = f (c, x)+e , 线性或非线性 模型参数 c 的估计: 最小二乘法/极大似然法 回归效果的检验： TEST 置信区间的估计: 预报问题/关于e 的估计 2.回归分析的方法 散点图 (Scatter) X Y * * * * * * * * * * X Y * * * * * * * * * * 根据散点图确定拟合的函数形式 3 回归的操作步骤 散点图 (Scatter)： Graphs Scatter Simple: 一对相关变量的散点图 Overlay：多对相关变量的散点图 3—D： 三个相关变量之间的散点图 Matrix： 多个相关变量之间的散点图 15 Part II :一元线性回归 1 一元回归模型和参数估计 方差分析 相关系数与线性回归 显著性检验 回归方程的显著性检验 回归系数的显著性检验 应用举例 是描述一个因变量 (或称为响应变量 dependent variable) Y 与一个或多个自变量(independent variable) X 间的线性依存关系。 根据自变量数目的不同可分为一元线性回归(只有一个自变量)和多元线性回归(有两个或两个以上的自变量)。 线性回归分析 在气候变化模型中，全球年平均气温的增长，就平均而言，与二氧化碳浓度的对数呈线性关系:   Example1 全球年平均气温与大气中二氧化碳浓度 ENSO Indices (ENSO 指数). Wright described a tropical