线性回归方程的知识要点.docxVIP

线性回归方程的知识要点

1．回归直线

如果散点图中点的分布从整体上看大致在一条直线附近，我们就称这两个变量之间具有线性相关关系，这条直线叫作回归直线。

2．回归直线方程

对于一组具有线性相关关系的数据，，……，，其回归直线的截距和斜率的最小二乘法估计公式分别为：

，

其中表示数据xi（i=1，2，…，n）的均值，表示数据yi（i=1，2，…，n）的均值，表示数据xiyi（i=1，2，…，n）的均值．

、的意义是：以为基数，x每增加一个单位，y相应地平均变化个单位．

要点诠释：

①回归系数，也可以表示为，这样更便于实际计算。

②；。

③称为样本中心点，回归直线必经过样本中心点。

④回归直线方程中的表示x增加1个单位时的变化量，而表示不随x的变化而变化的量。

3．求回归直线方程的一般步骤：

①作出散点图

由样本点是否呈条状分布来判断两个量是否具有线性相关关系，若存在线性相关关系，进行第二步。

②求回归系数、

计算，，

，，

利用公式求出，

再由求出的值；

③写出回归直线方程；

④利用回归直线方程预报在x取某一个值时y的估计值。

要点诠释：

一般地，我们可以利用回归直线方程进行预测，但这里所得到的值是预报值，而不是精确值，它带有很大的随机性，可能对于某一次的实际值而言会有很大的出入，这是因为：

（1）回归直线的截距和斜率都是通过样本估计出来的，存在随机误差，这种误差可以导致预测结果的偏差。

（2）即使截距和斜率的估计没有误差，也不可能保证对应于x的预报值能够与实际值y很接近。我们不能保证点（x，y）落在回归直线上，甚至不能保证它落在回归直线的附近，事实上，，这里是随机变量，预报值与实际值y的接近程度由随机变量决定。

尽管我们利用回归直线方程所得到的值仅是一个预报值，它具有随机性，但它是我们根据统计规律所得到的结论，因而结论正确的概率很大。故我们可以放心地利用回归直线方程进行预测。