选修1-2第一章 《回归分析的基本思想及其初步应用》.docVIP

PAGE

精锐教育学科教师辅导讲义

讲义编号

学员编号：年级：课时数：

学员姓名：辅导科目：学科教师：

课题

回归分析的基本思想及其初步应用

授课日期及时段

教学目的

1.了解随机误差、残差、残差图的概念．

2．会通过分析残差判断线性回归模型的拟合效果．

3．掌握建立回归模型的步骤．

4．通过对典型案例的探究，了解回归分析的基本思想方法和初步应用．

教学内容

一、课前检测：了解日校对此部分知识的掌握情况

1、在比较两个模型的拟合效果时，甲、乙两个模型的相关指数的值分别约为0.96和0.85，则拟合效果好的模型是．

2、以下是某地搜集到的新房屋的销售价格和房屋的面积的数据：

（1）画出数据对应的散点图；

（2）求线性回归方程，并在散点图中加上回归直线；

（3）据（2）的结果估计当房屋面积为时的销售价格.

解析：（1）数据对应的散点图如图所示：

（2），，

设所求回归直线方程为，

则

故所求回归直线方程为

（3）据（2），当时，销售价格的估计值为：

（万元）

教学引入

观察图像——图中的点之间有什么关系？

思考——若在同一关系下，预测之后100年的GDP分布情况（即图中点在图中分布情况）？

三、知识梳理

线性回归的使用：如果一组具有相关关系的数据作出散点图大致分布在一条直线附近,那么我们称这样的变量之间的关系为线性相关关系(也称一元线性相关),这条直线就是回归直线,记为．

思考：回归方程中系数怎么求？怎么求才最精确？

1、线性回归模型

（1）线性回归方程中，，其中，，（横纵坐标平均值）称为样本点的中心，回归直线过样本点的中心。

随堂练习

1.某同学由与之间的一组数据求得两个变量间的线性回归方程为，已知：数据的平均值为2，数据的平均值为3，则()

A．回归直线必过点（2，3）B．回归直线一定不过点（2，3）

C．点（2，3）在回归直线上方D．点（2，3）在回归直线下方

答案A

2、在一次试验中，测得的四组值分别是，则Y与X之间的回归直线方程为（）

A．B．C．Ｄ．

答案A

思考：观察教学引入中的图，回归方程能否完全代表散点

线性回归模型，其中a和b为模型的未知参数，e称为随机误差．

随堂练习

3、线性回归模型y=bx+a+e（和为模型的未知参数）中，e称为随机误差

（3）随机误差产生的原因主要有以下几种：

①所用的确定性函数不恰当引起的误差；

②忽略了某些因素的影响；

③存在观测误差．

2、刻画回归效果的方式

（1）残差分析

①残差：把随机误差的估计值i称为相应于点的残差．

②残差图：作图时纵坐标为残差，横坐标可以选为样本编号，或身高数据，或体重估计值等，这样作出的图形称为残差图．

残差点比较均匀地落在水平的带状区域内，说明选用的模型比较适合，这样的带状区域的宽度越窄，说明模型拟合精度越高．

随堂练习

4、在残差分析中，残差图的纵坐标为残差

5、在回归分析中，代表了数据点和它在回归直线上相应位置的差异的是()

A.总偏差平方和B.残差平方和

C.回归平方和D.相关指数R2

答案：B

（2）利用刻画回归效果

；表示解释变量对预报变量变化的贡献率．越接近1，表示回归的效果越好．

例1.在画两个变量的散点图时，下面哪个叙述是正确的()

(A)预报变量在轴上，解释变量在轴上

(B)解释变量在轴上，预报变量在轴上

(C)可以选择两个变量中任意一个变量在轴上

(D)可以选择两个变量中任意一个变量在轴上

分析：通常把自变量称为解析变量,因变量称为预报变量

答案B

例2.若一组观测值（x1,y1）（x2,y2）…（xn,yn）之间满足yi=bxi+a+ei(i=1、2.…n)若ei恒为0，则R2为

解析:ei恒为0，说明随机误差对yi贡献为0.

答案:1.

建立回归模型的基本步骤

①确定研究对象，明确哪个变量是解释变量，哪个变量是预报变量。

②画出确定好的解释变量和预报变量的散点图，观察它们之间的关系（如是否存在线性关系等）

=3\*GB3③由经验确定回归方程的类型（如我们观察到数据呈线性关系，则选用线性回归方程）

=4\*GB3④按一定规则估计回归方程中的参数（如最小二乘法）

=5