能源大数据分析理论与实践 课件 3.回归分析.pptx

回归分析

03RegressionAnalysis

3.1回归分析概述

n回归分析是在众多的相关变量中根n例如，能源消费量受经济、人口和科技发展等因素

据实际问题考察其中一个或多个目影响，这些因素包括GDP指标、人口规模、科

标变量（因变量）与其影响因素技投入指标等。当对这一问题进行回归分析时，将

（自变量）之间相互依赖的定量关能源消费量称为因变量（或目标变量），

系的一种方法。通常事物的特征可称为自变量，为自变量的维度，回归分析的目标是利

用多个变量进行描述。用历史数据找出函数表示它们之间的关系，以预测未

来能源消费如量果的只情需况考。察在一大个数变量据与分其析余中多，个习惯上将这

些自变量称变为量特之征间（的F相ea互tu依re）赖关，系因，变则量称则为称为标签

一元回归问题。若要同时考察多个

（Label）。因变量与多个自变量之间的相互依

赖关系，则称为多因变量的多元回

回归分析的公式可以表示为：归问题。

（3-1）

3.1回归分析概述

基

本

过

程

回归分析的分类标准多样，按照不同的分类标准，可以分成不同的种类。按照涉及自变量的数量，回归分析可以

分为一元回归分析和多元回归分析，只有一个自变量的称为一元回归分析（又称简单回归分析），有两个或两个

以上自变量的称为多元回归分析（又称复回归分析）。按照涉及因变量的数量，回归分析可以分为简单回归分析

和多重回归分析。按照自变量和因变量之间的关系类型，回归分析可以分为线性回归分析和非线性回归分析。

3.2线性回归

线性回归（LinearRegression）是利用称为线性回归方程的最小平方函数对一个或多个因变量和自变量之

间关系进行建模的一种回归分析方法，这种函数是一个或多个称为回归系数的模型参数的线性组合。

只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示

包括两个或两个以上的自变量，且因变量和自变量之间是线性关系

线性回归分析是一种统计分析方法，

用于了解两个变量之间的相关性，以

及一个变量随另一个变量变化的趋势。

3.2线性回归

线性模型（GeneralLinearModels，GLM）并不是一个具体的模型，而是多种统计模型的统称，其中

包含线性回归模型、方差分析模型等。线性模型可以表示为：

（3-2）

式中，是一个因变量的观测集合；是一个自变量的观测集合；是待估计的参数矩阵；是误差矩阵或随

机扰动项，又叫噪声（Noise）。

一元线性回归模型可以写为：（3-3）

多元线性回归模型又称多重线性回归模型。其数学模型可以写为：（3-4）

线性回归模型需要假设因变量关于自变量的条件期望存在线性关系，即：（3-5）

假设中的和是未知的，称为回归系数。为了检验这个假设，需要利用样本数据估计出和，

将它们的估计值记为和，由此得出的相应因变量的估计值为，这样式（3-5）就变