回归分析的基本思想及其初步应用(H)

回归分析的基本思想及其初步应用(H)

1.1 回归分析的基本思想 及其初步应用

回归分析的基本思想及其初步应用(H)

温故知新不相关 两个变量的关系 函数关系 相关关系 非线性相关 函数关系中的两个变量间是一种确定性关系。 函数关系中的两个变量间是一种确定性关系。 相关关系是一种非确定性关系。 相关关系是一种非确定性关系。 线性相关

回归分析的基本思想及其初步应用(H)

例1、某大学中随机选取8名女大学生，其身高 某大学中随机选取8名女大学生， 和体重数据如下表所示. 和体重数据如下表所示.编号 体重/kg 体重/kg 1 48 2 57 3 50 4 54 5 64 6 61 7 43 8 59 身高/cm 身高/cm 165 165 157 170 175 165 155 170

求根据女大学生的身高预报体重的回归方程， 求根据女大学生的身高预报体重的回归方程， 并预报一名身高为172cm的女大学生的体重 的女大学生的体重. 并预报一名身高为 的女大学生的体重

回归分析的基本思想及其初步应用(H)

解：1、选取身高为自变量 ，体重为因变量 ，作散点图： 、选取身高为自变量x,体重为因变量y,作散点图：

2、由散点图知道身高和体重有比较好的线性相关关系， 、由散点图知道身高和体重有比较好的线性相关关系， 因此可以用线性回归方程刻画它们之间的关系。 因此可以用线性回归方程刻画它们之间的关系。

回归分析的基本思想及其初步应用(H)

样本点呈条状分布，身高和体重有较好的线性相关关 样本点呈条状分布， 因此可以用回归方程来近似的刻画它们之间的关系. 系，因此可以用回归方程来近似的刻画它们之间的关系. (x,y)称 (x,y)称为

$ $ 就是未知参数a和 的最好估计 心 根据最小二乘法估计a 和b 就是未知参数 和b的最好估计， 样的最好估计， 本点的中n n ∑(xi - x)(yi - y) ∑ xiyi - nxy 探究P4: 探究 ： i=1 b = i=1 n = n = 0.849, 的女大学生的体重一定是 于是有 身高为172cm的女大学生的体重一定是 身高为 的女大学生的体重一定是60.316kg吗？ 吗 2 2 2 ∑(xi - x) ∑ xi - nx 如果不是，你能解析一下原因吗？ 如果不是，你能解析一下原因吗？ i=1 i=1 a = y - bx = -85.712

y 所以回归方程是 $ = 0.849 x 85.712所以，对于身高为 的女大学生， 所以，对于身高为172cm的女大学生，由回归方程可以预报其体重为 的女大学生

$ = 0.849 ×172 85.712 = 60.316(kg ) y

回归分析的基本思想及其初步应用(H)

解：散点图： 散点图：

思考P3 思考产生随机误差项e 产生随机误差项 的原因是什么？ 的原因是什么？

3、从散点图还看到，样本点散布在某一条直线的附 、从散点图还看到， 线性回归模型来表示： 来表示 我们可以用下面的线性回归模型来表示： 而不是在一条直线上， 近，而不是在一条直线上，所以不能用一次函数 y=bx+a+e,其中a和b为模型的未知参数， y=bx+a+e,其中a 为模型的未知参数， y=bx+a简单描述它们关系。 简单描述它们关系

。 简单描述它们关系 e称为随机误差。 称为随机误差。

回归分析的基本思想及其初步应用(H)

思考P3 思考 产生随机误差项e的原因是什么 的原因是什么？ 产生随机误差项 的原因是什么？随机误差e的来源(可以推广到一般): 随机误差e的来源(可以推广到一般): 1、其它因素的影响：影响体重 y 的因素不只是身高 、其它因素的影响： x,可能还包括遗传基因、饮食习惯、生长环境等 ，可能还包括遗传基因、饮食习惯、 因素； 因素； 2、身高 x的观测误差。 的观测误差。 、 的观测误差

回归分析的基本思想及其初步应用(H)

线性回归模型y=bx+a+e增加了随机误差项e,因 线性回归模型y=bx+a+e增加了随机误差项e y=bx+a+e增加了随机误差项 变量y的值由自变量x和随机误差项e共同确定， 变量y的值由自变量x和随机误差项e共同确定，即自 变量x只能解析部分y的变化。 变量x只能解析部分y的变化。 在统计中，我们也把自变量x称为解析变量， 在统计中，我们也把自变量x称为解析变量，因变 解析变量 预报变量。 量y为预报变量。

回归分析的基本思想及其初步应用(H)

残差数据点和它在回归直线上相应位置的差异 称为相应于点( 残差。 称为相应于点(xi,yi ) 的残差。

$ e i = yi $ i y

例：编号为6的女大学生，计算随机误差的效应(残差) 编号为6的女大学生，计算随机误差的效应(残差)

61 (0.849 × 165 85.712) = 6.627残差平方和把每一个残差所得的值平方后加起来， 把每一个残差所得的值平方后加起来，用数学符号表 n 示为： 示为： ( yi $ i ) 2 y ∑i =1

称为残差平方和 称为残差平方和 在例1 在例1中，残差平方和约为128.361。 残差平方和约为128.361。 128.361

回归分析的基本思想及其初步应用(H)

残差分析与残差图的定义： 残差分析与残差图的定义：$ $ $ 来判断模型拟合的效果， 我们可以通过残差 e1 , e 2 ,L , e n 来判断模型拟合的效果，判断原始 数据中是否存在可疑数据，这方面的分析工作称为残差分析。 数据中是否存在可疑数据，这方面的分析工作称为残差分析。表1-4列出了女大学生身高和体重的原始数据以及相应的残差数据。 列出了女大学生身高和体重的原始数据以及相应的残差数据。 列出了女大学生身高和体重的原始数据以及相应的残差数据

编号 身高 体重/kg 体重 残差

1 165 48-6.373

2 165 572.627

3 157 502.419

4 170 54-4.618

5 175 641.137

6 165 616.627

7 155 43-2.883

8 170 590.382

我们可以利用图形来分析残差特性，作图时纵坐标为残差， 我们可以利用图形来分析残差特性，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 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。 差图。

回归分析的基本思想及其初步应用(H)

残差图的制作及作

用。 残差图的制作及作用。 坐标纵轴为残差变量，横轴可以有不同的选择； 坐标纵轴为残差变量，横轴可以有不同的选择； 若模型选择的正确，残差图中的点应该分布在以 若模型选择的正确， 横轴为心的带形区域； 横轴为心的带形区域； 对于远离横轴的点，要特别注意。 对于远离横轴的点，要特别注意。

身 高 与 体 重 残 差 图

异 常 点 错误数据 模型问题

:

个样本点和第6个样本点的残差比较大， 个样本点和第 个样本点的残差比较大，需要确认在采集过程中是否有人为 个样本点的残差比较大 如果数据采集有错误，就予以纠正， 如果数据采集有错误，就予以纠正，然后再重新利用线性回归模型拟合数 果数据采集没有错误，则需要寻找其他的原因。 果数据采集没有错误，则需要寻找其他的原因。 残差点比较均匀地落在水平的带状区域中，说明选用的模型计较合适， 残差点比较均匀地落在水平的带状区域中，说明选用的模型计较合适，这 状区域的宽度越窄，说明模型拟合精度越高，回归方程的预报精度越高。 状区域的宽度越窄，说明模型拟合精度越高，回归方程的预报精度越高。

回归分析的基本思想及其初步应用(H)

我们可以用相关指数 2来刻画回归的效果，其计算公式是 我们可以用相关指数R 来刻画回归的效果， 相关指数(yi - yi )2 ∑ $ R2 = 1 i=1 n n

∑(yi=1

i

- y)2

显然， 的值越大，说明残差平方和越小， 显然，R2的值越大，说明残差平方和越小，也就是说模型拟合 效果越好。 效果越好。 R2越接近 ，表示回归的效果越好(因为 2越接近 ，表示解析 越接近1,表示回归的效果越好(因为R 越接近1, 变量和预报变量的线性相关性越强)。 变量和预报变量的线性相关性越强)。 如果某组数据可能采取几种不同回归方程进行回归分析， 如果某组数据可能采取几种不同回归方程进行回归分析， 总的来说： 总的来说： 则可以通过比较R 的值来做出选择， 选取R 。 则可以通过比较R2的值来做出选择，即选取R2较大的模型作为 相关指数R2是度量模型拟合效果的一种指标。 相关指数 是度量模型拟合效果的一种指标 这组数据的模型。 它代表自变量刻画预报变量的能力。 在线性模型中， 在线性模型中，

回归分析的基本思想及其初步应用(H)

用身高预报体重时，需要注意下列问题： 用身高预报体重时，需要注意下列问题： 1、回归方程只适用于我们所研究的样本的总体； 、回归方程只适用于我们所研究的样本的总体； 2、我们所建立的回归方程一般都有时间性； 、我们所建立的回归方程一般都有时间性； 3、样本采集的范围会影响回归方程的适用范围； 、样本采集的范围会影响回归方程的

适用范围； 4、不能期望回归方程得到的预报值就是预报变量的 精确值。事实上，它是预报变量的可能取值的平均值。 精确值。事实上，它是预报变量的可能取值的平均值。

回归分析的基本思想及其初步应用(H)

一般地，建立回归模型的基本步骤为： 一般地，建立回归模型的基本步骤为： (1)确定研究对象，明确哪个变量是解析变量，哪个变量 确定研究对象，明确哪个变量是解析变量， 是预报变量。 是预报变量。 (2)画出确定好的解析变量和预报变量的散点图，观察 画出确定好的解析变量和预报变量的散点图， 它们之间的关系(如是否存在线性关系等)。 它们之间的关系(如是否存在线性关系等)。 (3)由经验确定回归方程的类型(如我们观察到数据呈线 由经验确定回归方程的类型( 性关系，则选用线性回归方程y=bx+a y=bx+a) 性关系，则选用线性回归方程y=bx+a). (4)按一定规则估计回归方程中的参数(如最小二乘法)。 按一定规则估计回归方程中的参数(如最小二乘法)。 (5)得出结果后分析残差图是否有异常(个别数据对应残差 得出结果后分析残差图是否有异常( 过大，或残差呈现不随机的规律性，等等),过存在异常， ),过存在异常 过大，或残差呈现不随机的规律性，等等),过存在异常，则 检查数据是否有误，或模型是否合适等。 检查数据是否有误，或模型是否合适等。

回归分析的基本思想及其初步应用(H)

作业： 作业： 块并排的、 在7块并排的、形状大小相同的实验田上进行施 块并排的 肥量对水稻产量影响的试验， 肥量对水稻产量影响的试验，得到如下一组表所示 的数据(单位： ) 的数据(单位：kg)施化肥量x 施化肥量x 水稻产量y 水稻产量y 15 330 20 345 25 365 30 405 35 445 40 450 45 455

(1)以x为解释变量，y为预报变量，作出散点图 以 为解释变量 为解释变量， 为预报变量 为预报变量， (2)求y与x之间的回归方程，并求施肥量为 之间的回归方程， 求 与 之间的回归方程 并求施肥量为28kg时 时 的水稻产量的预报值 (3)计算各组残差，并计算残差平方和 计算各组残差， 计算各组残差 (4)求R2,并说明残差变量对产量影响有多大？ 并说明残差变量对产量影响有多大？ 求