兰州大学 气象统计分析与预报方法第2章-回归分析.pptxVIP

;;变量之间的关系大致可以分成两类：

一类是各变量之间存在着完全确定性的关系，即所谓函数关系，即微积分学中研究的问题；

另一类是各变量之间有一定的关系，但这种关系并不能完全确定，即是所谓非确定性关系。

[例如].人体身高与体重有一定的关系，平均来讲身高者体也重。但是它们之间不能用一个确定的函数关系式表达出来。又如，人的血压与年龄也是这样，它们之间有一定的关系，一般讲年龄大者血压相对也高。但是血压与年龄之间不能用一个确定的函数关系式来表达。;回归分析是用于寻找连续型变量与因子之间关系的一种方法。

利用所找到的统计关系对某一变量做出未来时刻的估计，称为预报值（习惯上也称为预报量）。

为了预报这个对象未来时刻的变化，我们选择预报量前期已发生的多个有关的气象要素或者其他地球物理要素（把他们称为预报因子）。

回归分析方法就是去分析多个预报因子与这个预报量之间的相互关系，建立他们统计关系的方程式，最后利用方程式对未来时刻的平均气温做出预报估计。;Regression—回归分析;即：回归分析是数理统计中常用的方法,它是用来研究变量与变量之间相关关系的。;用于描述两个同时发生的事件之间关系。

------树木年轮与气温

;回归分析对于大气科学有什么用？;回归分析对于大气科学有什么用？;回归关系的假定：y=f(c,x)+e,线性或非线性;散点图(Scatter);散点图(Scatter)：GraphsScatter;;Simple:

一对相关变量的散点图;;是描述一个因变量(或称为响应变量dependentvariable)Y与一个或多个自变量(independentvariable)X间的线性依存关系。

根据自变量数目的不同可分为一元线性回归(只有一个自变量)和多元线性回归(有两个或两个以上的自变量)。;在气候变化模型中，全球年平均气温的增长，就平均而言，与二氧化碳浓度的对数呈线性关系:

?;ENSOIndices(ENSO指数).

WrightdescribedatropicalPacificsea-surfacetemperatureindexthatcapturesinformationaboutENSOthatisverysimilartotheinformationcapturedbytheclassicalSouthernOscillationIndex(SOI)basedonthedifferencebetweenmeansea-levelpressureatDarwinandTahiti（塔西提岛）.WrightsindexisbasedonSSTsobservedeastofthedatelineandroughlybetween5?Nandl0?S.Ascatterplotofthemonthlymeanvaluesoftheseindicesfor1933--84inclusiveisshownbelow:;南方涛动SO指数与热带太平洋海表面温度指数时间演变

TimeEvolutions;ELNINO;散点图

ScatterPlot;[例1]要预报北京3月下旬平均最低温度Tm，用环流指标A(3月16—20日500hPa候平均图上沿130oE，30o一40oN的高度差)作为预报因子。为考察它们之间的统计关系，选取195l一1970年资料(见表2.1)。;1.一元线性回归模型和参数估计;Tm;1).对于总体，假设预报量与因子为线性关系。

预报量y则由两部分叠加而成：

一是x的线性式β0+βx；

二是由随机因素引起的误(残)差?。

于是有;yi=β0+βxi+?i(i=1，2，…，n);预报量的估计量记为;选取a和b使残差平方和Q最小:;回归分析PartI;回归分析PartI;总结：

求一元线性回归方程，实际上是用回归直线拟合散点图中的各观测点。

常用的方法是最小二乘法：也就是使该直线与各点的纵向垂直距离最小，即使实测值y与回归直线之差的平方和（残差平方和）达到最小。

因此，求回归方程的问题归根到底就是求对残差平方和取得最小值时b0和b的问题。;预报量的方差=（回归方差）+残差方差（误差方差）;有时为了简略，对上面的式子两边各乘以n,则变成各变量离差平方和的关系：;拟合效果

(解释方差);回归分析PartI;y=