第4章-回归分析.pptVIP

4.3.2多元线性回归方程显著性检验（1）F检验法总平方和：回归平方和：残差平方和：第4章试验数据的回归分析4.1基本概念（1）相互关系①确定性关系：变量之间存在着严格的函数关系②相关关系：变量之间近似存在某种函数关系（2）回归分析（regressionanalysis）处理变量之间相关关系的统计方法确定回归方程：变量之间近似的函数关系式检验回归方程的显著性试验结果预测4.2一元线性回归分析4.2.1一元线性回归方程的建立（1）最小二乘原理设有一组试验数据（如表），若x，y符合线性关系xx1x2……xnyy1y2……yn计算值与试验值yi不一定相等与yi之间的偏差称为残差：a，b——回归系数（regression?coefficient）——回归值/拟合值，由xi代入回归方程计算出的y值。一元线性回归方程：残差平方和：残差平方和最小时，回归方程与试验值的拟合程度最好求残差平方和极小值：正规方程组（normal?equation）：解正规方程组：简算法：例4-1为研究某合成物的转化率T(%)与实验中的压强p（atm，1atm=101.325kPa）的关系，得到如表4-1的试验数据。试用最小二乘法确定转化率与压强的经验公式。p/atm24589T/%2.012.983.505.025.07表4-1例4-1数据ixi(Pi)yi(Ti)xi2(Pi2)yi(Ti)xiyi(PiTi)122.0144.044.02242.98168.8811.92353.502512.2517.50485.026425.240.16595.078125.745.632818.5819076.07119.235.63.716计算表如果采用简单算法，则有：T-p之间的关系式为：根据试验数据，建立回归方程，可采用最小二乘法，其基本步骤为：根据试验数据点画出散点图确定经验公式的函数类型通过最小二乘法得到正规方程组求解正规方程组，得到回归方程式4.2.2一元线性回归效果的检验（1）相关系数检验法①相关系数（correlation?coefficient）：描述变量x与y的线性相关程度定义式：其中：②相关系数特点：－1≤r≤1r＝±1：x与y有精确的线性关系r＜0：x与y负线性相关（negativelinearcorrelation）r＞0：x与y正线性相关（positive?linearcorrelation）r≈0时，x与y没有线性关系，但可能存在其它类型关系相关系数r越接近1，x与y的线性相关程度越高试验次数越少，r越接近1当，说明x与y之间存在显著的线性关系对于给定的显著性水平α，查相关系数临界值rmin③相关系数检验相关系数有一个明显的缺点：r接近于1的程度与试验数据组数n有关。当n较小时，容易接近1；当n较大时，容易偏小。特别是当n=2时，相关系数总是等于1。因此，只有当试验次数n较多时，才能得出真正有实际意义的回归方程。例4-1为研究某合成物的转化率T(%)与实验中的压强p（atm，1atm=101.325kPa）的关系，得到如表4-1的试验数据。试用最小二乘法确定转化率与压强的经验公式。表4-1例4-1数据p/atm24589T/%2.012.983.505.025.07例题4-2试用相关系数法对上述经验公式的显著性进行检验。（2）F检验①离差平方和总离差平方和：回归平方和（regression?sum?of?square）：残差平方和：三者关系：②自由度SST的自由度：dfT＝n－1SSR的自由度：dfR＝1SSe的自由度：dfe＝n－2三者关系：dfT＝dfR＋dfe③均方④F检验F服从自由度为（1，n－2）的F分布给定的显著性水平α下，查得临界值：Fα（1，n－2)若F＞Fα（1，n－2)，则认为x与y有明显的线性关系，所建立的线形回归方程有意义⑤方差分析表例题4-3：试用F检验法对例4-1中得到的经验公式进行显著性检验。方差来源偏差平方和自由度方差F比临界值显著性回归6.94316.94