回归分析的基本思想第二课时.pptVIP

第一页，共十八页，2022年，8月28日 * 前置测评 1、 求回归直线方程 (最小二乘法)： 为样本点的中心 第二页，共十八页，2022年，8月28日 * 2、我们通常用相关系数r来描述两个变量之间线性相关关系的强弱。 ★其中：(1)|r|≤1； (2)|r|越接近于1，相关程度越强， |r|越接近于0，相关程度越弱； (3) b 与 r 同号。 前置测评 第三页，共十八页，2022年，8月28日 * 3、线性回归模型： 其中：e是随机误差，均值E(e)=0，方差D(e)=σ20 当随机误差e恒等于0时，线性回归模型就变成一次函数模型。即：一次函数模型是线性回归模型的特殊形式。 4、相关系数r与随机误差e一般有什么关系？ 前置测评 第四页，共十八页，2022年，8月28日 * 随机误差 e的估计量 样本点： 相应的随机误差为： 相应的随机误差估计值为： 称为相应于点 的残差 的估计量 为 称为残差平方和。 实际上即为具体到某 点的随机误差估计值。 第五页，共十八页，2022年，8月28日 * 残差分析 在研究两个变量间的关系时，首先要根据散点图来粗略判断它们是否是线性相关，是否可以用线性回归模型来拟合数据.然后