元线性回归分析

《元线性回归分析》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第一节一元线性回归分析第二节多元线性回归分析第三节几类一元非线性回归第六章　回归分析一、一元线性回归模型二、未知参数的估计三、参数估计量的分布第6.1节　一元线性回归分析四、参数的显著性检验五、预测变量之间的关系确定性关系相关关系确定性关系身高和体重相关关系相关关系的特征是:变量之间的关系很难用一种精确的方法表示出来.0、回归分析的基本思想确定性关系和相关关系的联系由于存在测量误差等原因,确定性关系在实际问题中往往通过相关关系表示出来;另一方面,当对事物内部规律了解得更加深刻时,相关关系也有可能转化为确定性关系.回归分析——处理变量之间的相关关系的一种数学方

2、法,它是最常用的数理统计方法.线性回归分析非线性回归分析回归分析一元线性回归分析多元线性回归分析问题的分析一、一元线性回归的数学模型回归分析的任务——根据试验数据估计回归函数;讨论回归函数中参数的点估计、区间估计;对回归函数中的参数或者回归函数本身进行假设检验;利用回归函数进行预测与控制等等.回归问题的一般提法求解步骤1.推测回归函数的形式方法一　根据专业知识或者经验公式确定;方法二　作散点图观察.例1为研究某一化学反应过程中,温度x(oC)对产品得率Y(%)的影响,测得数据如下.温度x(oC)得率Y(%)100110120130140150160170180

3、19045515461667074788589用MATLAB画出散点图x=100:10:190;y=[45,51,54,61,66,70,74,78,85,89];plot(x,y,'.r')一元线性回归问题2.建立回归模型一元线性回归模型二、未知参数的估计1.(,)的最小二乘估计使得下式成立的(,)的估计称为其最小二乘估计.求Q的最小值可以利用微分法正规方程组由于则方程组的解为2.(,)的最大似然估计注参数的最小二乘估计和最大似然估计等价.得到参数的估计后，我们就可以得到回归方程它称为残差平方和因而例2(p193例6.2)656367646862

4、706668676971686668656966686571676870解将观测值代入正规方程求解得这个例子表明：高个子的先代会有高个子的后代，但后代的增高并不与先代的增高等量。例如父亲身高超过祖父身高6in,则儿子的身高超过父亲的身高大约为3in称这种现象为向平常高度的回归，回归一词即来源于此.这种提法最早是由高登提出的，一直沿用至今.当时高登、皮尔逊、LEE研究了1078个家庭，得到的回归方程为：三、参数估计的分布为了对参数估计量进行检验，需要讨论它们的分布定理6.1证明参见下一节多元回归理论四、参数的显著性检验根据前三小节的理论，给定一组观测值，就可以

5、得其相应的回归方程。但是二者是否具有此种相关关系，需要进行必要的检验.通常检验一元线性回归模型是否成立，需要检验：(1)给定x时，Y服从正态分布且方差相等；(2)对于给定的范围，Y是x的线性函数；(3)回归效果不显著的原因分析检验例2中的回归效果是否显著,取显著性水平为0.05.解例3(p197例6.3)又因为五、预测例4(p198例6.4)(续例6.2)解(1)(2)同理可得也就是说，有大约95%的把握断言：(1)儿子们的身高界于63.476in到70.52in；(2)儿子们的身高界于63.832in到74.924in之间。四、小结1.回归分析的任务2.一元

6、线性回归的步骤研究变量之间的相关关系(1)推测回归函数;(2)建立回归模型;(3)估计未知参数;(4)进行假设检验;(5)预测与控制.再见