误差理论第六章回归分析.ppt

第六章回归分析§6-1回归分析的基本概念§6-2一元线性回归§6-3两个变量都具有误差时线性回归方程的确定§6-4一元非线性回归§6-5多元线性回归§6-6线性递推回归§6-1回归分析的基本概念§6-2一元线性回归§6-3两个变量都具有误差时线性回归方程的确定§6-4一元非线性回归§6-5多元线性回归§6-6线性递推回归**回归分析是为了寻求两个变量或多个变量之间的内在关系。表达变量间关系的方法有散点图、表格、曲线、数学表达式等。其中数学表达式能客观反映事物的内在规律性，其获得就是通过回归分析方法完成的。本章主要阐述回归分析的基本概念，并重点介绍一元线性回归和非线性回归的基本方法，给出回归方程的方差分析和显著性检验。从而使学生掌握回归分析方法的基本原理，学会从实际测量中寻求两个变量和多个变量之间的内在关系。教学目标一、函数与相关事物间总是相互联系、相互依存的。同样变量间也存在一定的关系，一般有两种：函数关系：可以用明确的函数关系式精确地表示出来。数学分析和物理学中的大多数公式属于这种类型。当一些变量已知时，另一些变量就可由函数精确求得。相关关系：这些变量之间既存在着密切的关系，又不能由一个（或几个）自变量的数值精确地求出另一个因变量的数值，而是要通过试验和调查研究，才能确定它们之间的关系。两种类型在一定条件下是可以相互转换的。二、回归分析思路回归分析是处理变量之间相关关系的一种数理统计方法，是运用数学的方法，对大量的观测数据进行处理，从而得出比较符合事物内部规律的数学表达式。主要包括：1、由一组数据确定变量之间的数学表达式－回归方程或经验公式；2、对回归方程的可信度进行统计检验；3、进行因素分析，找出哪些是重要因素，哪些是次要因素。回归分析在实验数据处理、经验公式的求得、因素分析、仪器的精度分析、产品质量控制、自动控制中数学模型的制定及其他许多场合中，有广泛的运用。一元回归是处理两个变量之间的关系。通过试验、分析所得数据，找出两者之间的经验公式。若两变量间的关系是线性的就称为一元线性回归，即直线拟合问题。一、一元线性回归方程（一）回归方程的求法以具体例子来讨论。例：确定某段导线的电阻与温度之间的关系：85.1083.9082.3580.8079.7577.8076.3050.046.540.036.030.125.019.1202530354045507678828084为了研究x、y之间的关系，把数据点在坐标线上，这种图称为散点图。见下图：从散点图可以看出：电阻与温度大致成线性关系。设测量数据有如下结构形式：思路：要求电阻y与x的关系，即根据测量数据要求出β0和β的估计值。根据测量数据，可以得到7个测量方程，结合前面所学，未知数有两个，而方程个数大于未知数的个数，适合于用最小二乘法求解。对照第五章最小二乘法的矩阵形式，令：（二）回归方程的稳定性回归直线的另一种形式二、回归方程的方差分析及显著性检验回归直线是否符合y与x之间的客观规律？回归直线的预报精度如何？需对回归方程的方差进行分析和显著性检验。（一）回归问题的方差分析表明：回归值的波动大小不仅与残余标准差σ有关，还与试验次数N及x的取值范围有关。N愈大，x的取值范围愈大，回归值的精度愈高。U—回归平方和，反映总变差中由于x和y的线性关系而引起y变化的部分。Q—残余平方和，反映所有观测点到回归直线的残余误差，即除了x对y的线性影响外的其它因素对y变差的影响。（二）回归方程显著性检验—F检验法回归方程是否显著，即y与x的线性关系是否密切，取决于U、Q的大小，U越大，Q越小，说明y与x的线性关系愈密切。回归方程显著性检验常采用F检验法，即计算：（三）残余方差与残余标准差残余方差为残余平方和Q除以它的自由度。是排除了x对y的线性影响后，衡量y随机波动的特征量。即：（四）方差分析表把上述所进行的方差分析的结果归纳在一个简单的表格中，这种表格称为方差分析表。即：－－－N-1总计－1N-2回归残余显著性F方差自由度平方和来源利用回归方程，可以在一定显著性水平α上确定与x对应的y的取值范围，相反，若要求y在一定范围内取值，用回归方程可确定x的控制范围。（二）重复试验回归直线的求法设取N个试验点，每个试验点重复m次试验，则各种平方和及其相应的自由度按下式计算：三、重复试验情况（一）重复试验的意义“回归方程显著”：只表明因素x的一次项对y的影响显著；难以确定影响y的是否还有其它不可忽略的因素？x和y