第二章回归分析.pptVIP

2.1.4利用回归方程预测步骤：第29页，共60页，星期日，2025年，2月5日第30页，共60页，星期日，2025年，2月5日回归分析的例题x(cm)林木平均高20222426283032343638y(m3)木材蓄积量314376436495585615671733755835例在某油松林地中，随机抽取10块样地测量其林木平均高与木材蓄积量的资料如下第31页，共60页，星期日，2025年，2月5日（1）试求木材蓄积量y对林木平均高x的经验直线回归方程。（2）检验线性回归的显著性；(3)???当林木平均高为25m时，以95%的可靠性确定木材蓄积量的置信区间。自己考虑应如何解答？第32页，共60页，星期日，2025年，2月5日解：(1)设回归方程为：经计算得：第33页，共60页，星期日，2025年，2月5日所以：所求回归方程为：第34页，共60页，星期日，2025年，2月5日（2）解：计算样本相关系数对显著性水平0.01，查表得临界值r0.01(8)=0.7646∵rr0.01(8)∴线性关系极显著第35页，共60页，星期日，2025年，2月5日第36页，共60页，星期日，2025年，2月5日第37页，共60页，星期日，2025年，2月5日第38页，共60页，星期日，2025年，2月5日请利用一元回归分析的方法解决一个实际问题（包括收集数据，设计方法，并求解）例如：研究人的身高与体重的关系；数学成绩与外语成绩的关系……第39页，共60页，星期日，2025年，2月5日§2.2多元回归

第40页，共60页，星期日，2025年，2月5日2.2.1多元回归概述

因变量(响应变量)为y（一个），自变量(回归变量)为xi（i＝1,2,…,k）（多个），多元线性回归模型：其中β0称为截距βi(i＝1，2，…，k)叫做偏回归系数，ε叫做误差第41页，共60页，星期日，2025年，2月5日如果对各自变量及相应的因变量观测了n次，得到如下表所示的样本：样本号因变量回归变量x1x2x3……xk1y1x11x12x13……x1k2y2x21x22x23……x2k┋┋┋┋┋……┋nynxn1xn2xn3……xnk第42页，共60页，星期日，2025年，2月5日第1页，共60页，星期日，2025年，2月5日回归分析：研究处于同一总体中两个或两个以上变量之间的相关关系的数学工具。相关关系1.确定关系（函数关系）如：U=IR···2.相关关系（不确定关系）如：树高与胸径，产量与施肥量的关系。第2页，共60页，星期日，2025年，2月5日相关关系——如给定X的任一具体取值，对应的Y是一随机变量,服从一定的概率分布；同时给定Y的任一个具体取值时，对应的X是一随机变量,服从一定的概率分布.回归关系——相关关系中，如果X容易确定或可控制，即为非随机变量，Y是随机变量，则称Y对X存在回归关系。X：预报因子Y：预报量相关关系与回归关系第3页，共60页，星期日，2025年，2月5日§2.1一元回归2.1.1回归分析概述第4页，共60页，星期日，2025年，2月5日回归函数（?回归方程）??因变量自变量自变量：预报因子的取值因变量：预报量的期望（均值）问题1：回归方程有何意义？问题2：如何求得回归方程？第5页，共60页，星期日，2025年，2月5日回归模型??第6页，共60页，星期日，2025年，2月5日回归函数????散点图：把观测数据用散点表示在平面直角坐标上??实际中，回归函数不易得到，用如下办法确定：（1）先确定形式：用专业知识或散点图；（2）确定系数：用最小二乘法X与У之间具有线性回归关系，散点图呈线性，回归函数是线性函数。第7页，共60页，星期日，2025年，2月5日一元线性回归自变量为一个（一元），回归函数是线性的。?设回归方程的形式为：常数项回归系数一元线性回归方