实验方法与数据处理第八章-回归分析.pptVIP

* 8.5 多元线性回归分析 对算例4检验线性回归的显著性 可看出，所建立的线性方程不显著，应改变y与xj 之间的数学模型。 * 8.5 多元线性回归分析 算例5 — 因素主次判断举例 * 8.5 多元线性回归分析 算例5------因素主次判断举例 （续） * 实验方法与数据处理 第八章 回归分析 * 第九章 回归分析 8.1 基本概念 8.2 最小二乘法原理 8.3 直线回归（一元线性回归分析） 8.4 非线性回归分析（曲线回归） 8.5 多元线性回归分析（自学） * 变量之间的关系 确定性关系：当一个或几个变量取一定值时，另一个变量有确定的值与之相对应，存在严格的函数关系 相关关系：当一个或几个相互关系的变量取一定数值时，与之对应的另一变量值虽然不确定，但仍按某种规律在一定范围内变化 回归分析是处理变量之间相关关系的最常用统计方法 8.1 基本概念 * 回归分析：建立变量之间关系的数学表达式，并利用概率统计知识进行分析讨论，从而判断经验公式的正确性。 按因素数目分为一元和多元回归分析 按函数形式分为线性和非线性回归 8.1 基本概念 * 8.1 基本概念 回归分析所要解决的问题： 确定几个特定变量之间是否存在相关关系，若存在则找出合适的数学表达式 根据一个或几个变量值，预测或控制另一个变量的取值，并给出精度 进行因素分析，确定因素的主次以及因素之间的相互关系 * 8.2 最小二乘法原理 假设有一现象的规律是由自变量 x 与因变量 y 确定，有以下实验数据： 选定如下形式多项式来表示该规律： 由实验数据如何确定a0，。。。，am ? ? * 8.2 最小二乘法原理 代入各实验数据： n个含有m+1元的联立方程组 若能保证观察准确，可取n=m+1，可以直接求解出a0，…..，am 但是实验误差不可避免，所以通常数据点取得相当多，nm+1。 n个方程式(nm+1)，确定m+1个未知数 * 8.2 最小二乘法原理 这种多项式若不能准确表示出观察数据，必须具有尽可能小的误差 假设最佳关系 误差 最小二乘法原理：系数a0，a1，……，am 应这样选择，使残差的平方和最小。 注: n个实验数据 * 8.3 直线回归 一元线性回归分析：又称直线拟合，是处理两个变量之间的最简单的模型，可从中了解回归分析方法的思想、方法和应用。 * 算例1: 某合成物转化率y与压力x之间的关系 实验数据如下： 8.3 直线回归 * 算例1（续） 8.3 直线回归 * 算例1（续） 8.3 直线回归 * 回归效果检验（方差分析） 8.3 直线回归 * 回归效果检验（方差分析） 8.3 直线回归 残差平方和=总偏差平方和 - 回归偏差平方和 残差平方和自由度=总偏差平方和自由度- 回归偏差平方和自由度 n-2 =n-1 - 1 * 回归效果检验（相关性检验） 相关系数 r ：衡量两个变量之间线性相关关系密切程度 8.3 直线回归 回归平方和占据总波动的比重 总偏差平方和 总回归偏差平方和 * 相关系数r：回归平方和占据总波动的比重（线性相关系数） 8.3 直线回归 ？ ？ 非线性相关 * 相关系数的显著性检验：相关系数的绝对值多大才能认为两个变量时相关的，回归方程才有意义？ 8.3 直线回归 回归方程高度显著； 回归方程不显著。 * 算例2： 对算例1得到的拟合公式采用相关系数检验法进行显著性检验（α=0.01） 8.3 直线回归 * 算例3: 对算例1得到的拟合公式采用F检验法进行显著性检验 8.3 直线回归 * 可线性化的一元非线性回归 8.4 非线性回归分析（曲线回归） * 可线性化的一元非线性回归 8.4 非线性回归分析（曲线回归） * 可线性化的一元非线性回归 8.4 非线性回归分析（曲线回归） * 可线性化的一元非线性回归 8.4 非线性回归分析（曲线回归） * 可线性化的一元非线性回归 8.4 非线性回归分析（曲线回归） * 8.4 非线性回归分析（曲线回归） * 例4：气体的流量与压力之间的关系一般由经验公式M=cpb表示。试确定M与p之间的经验关系式，并检验其显著性（α=0.05）。 8.4 非线性回归分析（曲线回归） * 例4(续)： 8.4 非线性回归分析（曲线回归） * 例4(续)： 8.4 非线性回归分析（曲线回归） * 8.5 多元线性回归分析 算例5: 某化合物合成实验，为提高产量，选取三个因素进行实验，结果如下： m=3 n=7 * 8.5 多元线性回归分析 算例5（续）