回归7-1
回归7-1详细内容
回归7-1
7. 回归分折 讨论随机变量与非随机变量之间的关系的问题称回归分析;讨论随机变量之间的关系的 问题称相关分析.对于这两种问题,或统称回归分析,或统称相关分析都可以. [pic] 但是,自然界的众多的变量间,还有另一类重要关系,我们称之为相关关系.例如, 施肥量与农作物产量之间的关系,这种关系虽不能用函数关系来描述,但施肥量与产量 有关系,这种关系就是相关关系,又比如,人的身高与体重的关系也是相关关系,虽然 人的身高不能确定体重,但总的说来,身高者,体也重些,总之,在生产斗争与科学实 验中,甚至在日常生活中,变量之间的相关关系是普遍存在的.其实,即使是具有确定 性关系的变量间,由于实验误差的影响,其表现形式也具有某种的不确定性. 回归分折方法是数理统计中一个常用方法,是处理多个变量之间相关关系的一种数学方 法,.它不仅提供了建立变量间关系的数学表达--- 通常称为经验公式的一般方法,而且还可以进行分析,从而能判明所建立的经验公式的 有效性,以及如何利用经验公式达到预测与控制的目的.因而回归分析法得到了越来越 广泛地应用. 回归分析主要涉及下列内容: (1)从一组数据出发,分析变量间存在什么样的关系,建立这些变量之间的关系式(回归 方程),并对关系式的可信度进行统计检验; (2)利用回归方程式,根据一个或几个变量的值,预测或控制男一个变量的取值; (3)从影响某一个变量的许多变量中,判断哪些变量的影响是显著的,哪些是不显著的 ,从而可建立更实用的回归方程, (4)根据预测和控制所提出的要求,选择试验点,对试验进行设计. 我们在本章,重点讨论一元线性回归,对多元回归只作简单地介绍. §1 一元线性回归 一元线性回归分析中要考察的是:随机变量[pic]与一个普通变量[pic]之间的联系。 对有一定联系的两个变量: [pic] 与[pic], 我们的任务是根据一组观察值 [pic] 判断[pic]与[pic]是否存在线性关系 [pic], 我们能否通过这组观察值将确定系数[pic]与[pic]出来呢?这就是回归问题要解决的问 题,且判断[pic]与[pic]是否真存在此线性关系. 一 . 经验公式与最小二乘法: 【例1】 纤维的强度与拉伸倍数有关.下表给出的是24个纤维样品的强度与拉伸倍数的实测记录 .我们希望通过这张表能找出强度y与拉伸倍数x之间的关系式 [pic] 们将观察值[pic]作为24个点,将它们画在平面上,这张图称为散点图,这散点图 启示我们,这些点虽然是散乱的,但大体上散布在一条直线的周围.也就是说,拉伸倍 数与强度之间大致成线性关系.我们用 (*) [pic] [pic] 确定,是线性的,要完全确定经验公式, 就要确定(*)中的系数[pic]和[pic],这里[pic]通常称为 回归系数,关系式 [pic] 叫做回归方程. 从散点图来看,要找出[pic]与[pic]是不困难的,在图上划一条直线,使该直线总的来 看最“接近”这24个点.于是,这直线在y轴上的截距就是所求的[pic],它的斜率就是所 求的[pic].几何方法虽然简单,但是太祖糙,而对非线性形式的问题,就几乎无法实行 .然 而,它的基本思想,即“使该直线总的说来最接近这24个点”,却是很可取的,问题是把 这基本思想精确化,数量化.下面介绍一种方法,求一条直线使其“总的来看最接近这2 4个点”,这就是最小二乘法. 给定的[pic]个点[pic],那么,对于平面上任意一条直线 [pic]: [pic] 我们用数量 [pic] 来刻画点[pic]到直线[pic]的远近程度, 于是二元函数 [pic] 就定量的描述了直线[pic]跟这[pic]个点的总的远近程度,这个量是随不同的直线而变化 ,或者说是随不同的[pic]与[pic]而变化的,于是要找一条直线, 使得该直线总的来看最“接近” 这 n个点的问题就转化为: 要找两个数[pic]与[pic], 使得二元函数[pic]在[pic]处达到最小, 即 [pic] 由于[pic]是[pic]个量平方之和,所以“使[pic]最小”的原则称为平方和最小原则,习惯 上称为最小二乘原则.由最小二乘原则求[pic]与[pic]估计值的方法称为最小二乘法. 按照最小二乘原则,具体求[pic]的问题就是利用极值原理,求解二元一次联立[pic] 方程组有唯一解: [pic] [pic] 于是, 对于给定的[pic]个点[pic],先算出[pic],再算出[pic],就得到了所求的回归方程: 可计算【例1】的 因此所求经验公式, 即回归方程为 [pic] 【例2】P.236――― 例1.2 对任意两个相关变量,即使它们不存在线性关系,都可以通过它们的一组观测值用最小 二乘法,在形式上求得[pic]和[pic]的回归直线方程. 实际上,如果[pic]和[pic]没有线性相关关系,所求的回归直线方程是没有意义的.因 此建立了回归直线方程之后,还需要判断[pic]与[pic]间是否真有线性相关关系,这就 是回归效果的检验问题.称为回归效果的显著性检验. 首先介绍“平方和分解公式”. 二. 平方和分解公式与线性相关关系:: 对于任意的[pic]组数据[pic], 恒有: [pic]+ [pic]’ 其中 [pic] [pic] 现记 [pic][pic], [pic], [pic] 则平方和分解公式是: [pic] 证明: [pic] 因为[pic] , [pic], 并且 [pic] =0 所以 [pic] 即 [pic]+ [pic] [pic][pic]是回归直线上, 其横坐标为[pic]点的纵坐标, 因为 [pic] 所以[pic][pic][pic]的平均值也等于[pic]. [pic] [pic] [pic] [pic] [pic] 我们还可以通过[pic]的均值,进一步说明它们之间的关系. [pic] [pic] [pic] [pic] [pic] [pic] 有了上面这些对于[pic]的分析表明: (1)[pic]的离差平方和由两部分组成: 回归平方和[pic]和残差平方和[pic], 其中[pic]完全由随机因素引起, (2)[pic]中虽然也有随机因素,但是当[pic]时,主要是由[pic]与[pic]线性相关关系 决定.因而[pic]与[pic]之比的比值反映了这种线性相关关系与随机因素对[pic]的影响 的大小.比值越大,线性相关关系越强.大到什么程度才能说明有线性相关关系,还要 进行检验,因而应寻找检验的统计量. [pic] 则 [pic][pic][pic]. (参看P.244+3, 注意: 这是常用的计算公式) 三.相关性检验: (1)提出原假设: [pic] (2)选择统计量: [pic] (3)求出在假设[pic]成立的条件下, [pic] , (4)选择检验水平[pic],查第一 自由度为[pic]与第二 自由度为[pic].的, [pic] 分布表(附表4),得临界值[pic] ,使得 [pic] (5) 根据样本值计算统计量的观察值[pic],给出拒绝或接受H。的判断: 当 [pic]时,则拒绝H。; 当 [pic]时, 则接受H。. 如果[pic]值相当大则表明[pic]与[pic]线性影响较大,就可以认为[pic]与[pic]间有线 性相关关系;反之,如果[pic]值较小,则没有理由认为[pic]与[pic]间有线性相关关系 . 衡量回归效果的好坏,除了采用回归问题的方差分析外, 还可以用统计量 [pic] 来描述两个变量线性关系的密切程度,当[pic]接近[pic], [pic]与[pic]之间的线性相关程度愈小,反之,当[pic]接近愈大,愈接近1,[pic]与[pic] 之间的线性相关就愈为密切.对一个具体问题,只有当相关系数[pic]的绝对值大到一定 程度时才可用回归直线来近似地表示[pic]与[pic]之间的关系. [pic] [pic] [pic] 对于假设[pic],由[pic]和[pic]提供的两钟形式上不同的检验方法,实质上是一回事。 (参看P. 243 --- P.244) [pic] [pic] [pic] 【例3】 P.244 ―――例1.4 4. 钢的含碳量与抗拉强度之间具有相关关系。抽查某种钢材12根,测得含碳量(%) 和抗拉强度(kg/mm[pic])的观测值如下: [pic] 根据这组数据,求[pic]对[pic]的线性回归方程,[pic] 解: 1. 计算[pic]与回归系数: | 编号 | [pic]| [pic]|[pic] | [pic] |[pic] | |1 |1.3 |41 |1.69 |53.3 |1681 | |2 |1.4 |44 |1.96 |61.6 |1936 | |3 |1.4 |45 |1.96 |63 |2025 | |4 |1.5 |43 |2.25 |64.5 |1849 | |5 |1.6 |46 |2.56 |73.6 |2116 | |6 |1.6 |47 |2.56 |75.2 |2209 | |7 |1.7 |47 |2.89 |79.9 |2209 | |8 |1.8 |46 |3.24 |82.8 |2116 | |9 |1.9 |46 |3.61 |87.4 |2116 | |10 |2.0 |49 |4.00 |98 |2401 | |11 |2.1 |49 |4.41 |102.9 |2401 | |12 |2.2 |51 |4.84 |112.2 |2601 | | |20.5 |554 |35.97 |954.4 |25660 | |总和[pic| | | | | | |] | | | | | | [pic] [pic] [pic] [pic], [pic], [pic] [pic] [pic], [pic] [pic] [pic] [pic] 对[pic]的线性回归方程: [pic] 2. 检验[pic]与[pic]线性相关性: [pic] 取统计量: [pic] , 在假设[pic]成立的条件下, [pic] , [pic],得[pic] , 计算:[pic] [pic] [pic] 则拒绝H。, 即抗拉强度与钢的含碳量之间是真有显著的线性相关关系, 5. 为了确定老鼠血镕的减少量和注射胰岛素A的剂量之间的关系,将在同样条件下繁 殖的7只老鼠注射了不同剂量的胰岛素A,所得数据如下: [pic] 解: [pic] [pic] [pic] [pic] 计算回归系数: [pic] [pic][pic] [pic] 四. 习题: P.254 ---- 1,2 附表 相关系数临界值表 [pic]
回归7-1
7. 回归分折 讨论随机变量与非随机变量之间的关系的问题称回归分析;讨论随机变量之间的关系的 问题称相关分析.对于这两种问题,或统称回归分析,或统称相关分析都可以. [pic] 但是,自然界的众多的变量间,还有另一类重要关系,我们称之为相关关系.例如, 施肥量与农作物产量之间的关系,这种关系虽不能用函数关系来描述,但施肥量与产量 有关系,这种关系就是相关关系,又比如,人的身高与体重的关系也是相关关系,虽然 人的身高不能确定体重,但总的说来,身高者,体也重些,总之,在生产斗争与科学实 验中,甚至在日常生活中,变量之间的相关关系是普遍存在的.其实,即使是具有确定 性关系的变量间,由于实验误差的影响,其表现形式也具有某种的不确定性. 回归分折方法是数理统计中一个常用方法,是处理多个变量之间相关关系的一种数学方 法,.它不仅提供了建立变量间关系的数学表达--- 通常称为经验公式的一般方法,而且还可以进行分析,从而能判明所建立的经验公式的 有效性,以及如何利用经验公式达到预测与控制的目的.因而回归分析法得到了越来越 广泛地应用. 回归分析主要涉及下列内容: (1)从一组数据出发,分析变量间存在什么样的关系,建立这些变量之间的关系式(回归 方程),并对关系式的可信度进行统计检验; (2)利用回归方程式,根据一个或几个变量的值,预测或控制男一个变量的取值; (3)从影响某一个变量的许多变量中,判断哪些变量的影响是显著的,哪些是不显著的 ,从而可建立更实用的回归方程, (4)根据预测和控制所提出的要求,选择试验点,对试验进行设计. 我们在本章,重点讨论一元线性回归,对多元回归只作简单地介绍. §1 一元线性回归 一元线性回归分析中要考察的是:随机变量[pic]与一个普通变量[pic]之间的联系。 对有一定联系的两个变量: [pic] 与[pic], 我们的任务是根据一组观察值 [pic] 判断[pic]与[pic]是否存在线性关系 [pic], 我们能否通过这组观察值将确定系数[pic]与[pic]出来呢?这就是回归问题要解决的问 题,且判断[pic]与[pic]是否真存在此线性关系. 一 . 经验公式与最小二乘法: 【例1】 纤维的强度与拉伸倍数有关.下表给出的是24个纤维样品的强度与拉伸倍数的实测记录 .我们希望通过这张表能找出强度y与拉伸倍数x之间的关系式 [pic] 们将观察值[pic]作为24个点,将它们画在平面上,这张图称为散点图,这散点图 启示我们,这些点虽然是散乱的,但大体上散布在一条直线的周围.也就是说,拉伸倍 数与强度之间大致成线性关系.我们用 (*) [pic] [pic] 确定,是线性的,要完全确定经验公式, 就要确定(*)中的系数[pic]和[pic],这里[pic]通常称为 回归系数,关系式 [pic] 叫做回归方程. 从散点图来看,要找出[pic]与[pic]是不困难的,在图上划一条直线,使该直线总的来 看最“接近”这24个点.于是,这直线在y轴上的截距就是所求的[pic],它的斜率就是所 求的[pic].几何方法虽然简单,但是太祖糙,而对非线性形式的问题,就几乎无法实行 .然 而,它的基本思想,即“使该直线总的说来最接近这24个点”,却是很可取的,问题是把 这基本思想精确化,数量化.下面介绍一种方法,求一条直线使其“总的来看最接近这2 4个点”,这就是最小二乘法. 给定的[pic]个点[pic],那么,对于平面上任意一条直线 [pic]: [pic] 我们用数量 [pic] 来刻画点[pic]到直线[pic]的远近程度, 于是二元函数 [pic] 就定量的描述了直线[pic]跟这[pic]个点的总的远近程度,这个量是随不同的直线而变化 ,或者说是随不同的[pic]与[pic]而变化的,于是要找一条直线, 使得该直线总的来看最“接近” 这 n个点的问题就转化为: 要找两个数[pic]与[pic], 使得二元函数[pic]在[pic]处达到最小, 即 [pic] 由于[pic]是[pic]个量平方之和,所以“使[pic]最小”的原则称为平方和最小原则,习惯 上称为最小二乘原则.由最小二乘原则求[pic]与[pic]估计值的方法称为最小二乘法. 按照最小二乘原则,具体求[pic]的问题就是利用极值原理,求解二元一次联立[pic] 方程组有唯一解: [pic] [pic] 于是, 对于给定的[pic]个点[pic],先算出[pic],再算出[pic],就得到了所求的回归方程: 可计算【例1】的 因此所求经验公式, 即回归方程为 [pic] 【例2】P.236――― 例1.2 对任意两个相关变量,即使它们不存在线性关系,都可以通过它们的一组观测值用最小 二乘法,在形式上求得[pic]和[pic]的回归直线方程. 实际上,如果[pic]和[pic]没有线性相关关系,所求的回归直线方程是没有意义的.因 此建立了回归直线方程之后,还需要判断[pic]与[pic]间是否真有线性相关关系,这就 是回归效果的检验问题.称为回归效果的显著性检验. 首先介绍“平方和分解公式”. 二. 平方和分解公式与线性相关关系:: 对于任意的[pic]组数据[pic], 恒有: [pic]+ [pic]’ 其中 [pic] [pic] 现记 [pic][pic], [pic], [pic] 则平方和分解公式是: [pic] 证明: [pic] 因为[pic] , [pic], 并且 [pic] =0 所以 [pic] 即 [pic]+ [pic] [pic][pic]是回归直线上, 其横坐标为[pic]点的纵坐标, 因为 [pic] 所以[pic][pic][pic]的平均值也等于[pic]. [pic] [pic] [pic] [pic] [pic] 我们还可以通过[pic]的均值,进一步说明它们之间的关系. [pic] [pic] [pic] [pic] [pic] [pic] 有了上面这些对于[pic]的分析表明: (1)[pic]的离差平方和由两部分组成: 回归平方和[pic]和残差平方和[pic], 其中[pic]完全由随机因素引起, (2)[pic]中虽然也有随机因素,但是当[pic]时,主要是由[pic]与[pic]线性相关关系 决定.因而[pic]与[pic]之比的比值反映了这种线性相关关系与随机因素对[pic]的影响 的大小.比值越大,线性相关关系越强.大到什么程度才能说明有线性相关关系,还要 进行检验,因而应寻找检验的统计量. [pic] 则 [pic][pic][pic]. (参看P.244+3, 注意: 这是常用的计算公式) 三.相关性检验: (1)提出原假设: [pic] (2)选择统计量: [pic] (3)求出在假设[pic]成立的条件下, [pic] , (4)选择检验水平[pic],查第一 自由度为[pic]与第二 自由度为[pic].的, [pic] 分布表(附表4),得临界值[pic] ,使得 [pic] (5) 根据样本值计算统计量的观察值[pic],给出拒绝或接受H。的判断: 当 [pic]时,则拒绝H。; 当 [pic]时, 则接受H。. 如果[pic]值相当大则表明[pic]与[pic]线性影响较大,就可以认为[pic]与[pic]间有线 性相关关系;反之,如果[pic]值较小,则没有理由认为[pic]与[pic]间有线性相关关系 . 衡量回归效果的好坏,除了采用回归问题的方差分析外, 还可以用统计量 [pic] 来描述两个变量线性关系的密切程度,当[pic]接近[pic], [pic]与[pic]之间的线性相关程度愈小,反之,当[pic]接近愈大,愈接近1,[pic]与[pic] 之间的线性相关就愈为密切.对一个具体问题,只有当相关系数[pic]的绝对值大到一定 程度时才可用回归直线来近似地表示[pic]与[pic]之间的关系. [pic] [pic] [pic] 对于假设[pic],由[pic]和[pic]提供的两钟形式上不同的检验方法,实质上是一回事。 (参看P. 243 --- P.244) [pic] [pic] [pic] 【例3】 P.244 ―――例1.4 4. 钢的含碳量与抗拉强度之间具有相关关系。抽查某种钢材12根,测得含碳量(%) 和抗拉强度(kg/mm[pic])的观测值如下: [pic] 根据这组数据,求[pic]对[pic]的线性回归方程,[pic] 解: 1. 计算[pic]与回归系数: | 编号 | [pic]| [pic]|[pic] | [pic] |[pic] | |1 |1.3 |41 |1.69 |53.3 |1681 | |2 |1.4 |44 |1.96 |61.6 |1936 | |3 |1.4 |45 |1.96 |63 |2025 | |4 |1.5 |43 |2.25 |64.5 |1849 | |5 |1.6 |46 |2.56 |73.6 |2116 | |6 |1.6 |47 |2.56 |75.2 |2209 | |7 |1.7 |47 |2.89 |79.9 |2209 | |8 |1.8 |46 |3.24 |82.8 |2116 | |9 |1.9 |46 |3.61 |87.4 |2116 | |10 |2.0 |49 |4.00 |98 |2401 | |11 |2.1 |49 |4.41 |102.9 |2401 | |12 |2.2 |51 |4.84 |112.2 |2601 | | |20.5 |554 |35.97 |954.4 |25660 | |总和[pic| | | | | | |] | | | | | | [pic] [pic] [pic] [pic], [pic], [pic] [pic] [pic], [pic] [pic] [pic] [pic] 对[pic]的线性回归方程: [pic] 2. 检验[pic]与[pic]线性相关性: [pic] 取统计量: [pic] , 在假设[pic]成立的条件下, [pic] , [pic],得[pic] , 计算:[pic] [pic] [pic] 则拒绝H。, 即抗拉强度与钢的含碳量之间是真有显著的线性相关关系, 5. 为了确定老鼠血镕的减少量和注射胰岛素A的剂量之间的关系,将在同样条件下繁 殖的7只老鼠注射了不同剂量的胰岛素A,所得数据如下: [pic] 解: [pic] [pic] [pic] [pic] 计算回归系数: [pic] [pic][pic] [pic] 四. 习题: P.254 ---- 1,2 附表 相关系数临界值表 [pic]
回归7-1
[下载声明]
1.本站的所有资料均为资料作者提供和网友推荐收集整理而来,仅供学习和研究交流使用。如有侵犯到您版权的,请来电指出,本站将立即改正。电话:010-82593357。
2、访问管理资源网的用户必须明白,本站对提供下载的学习资料等不拥有任何权利,版权归该下载资源的合法拥有者所有。
3、本站保证站内提供的所有可下载资源都是按“原样”提供,本站未做过任何改动;但本网站不保证本站提供的下载资源的准确性、安全性和完整性;同时本网站也不承担用户因使用这些下载资源对自己和他人造成任何形式的损失或伤害。
4、未经本网站的明确许可,任何人不得大量链接本站下载资源;不得复制或仿造本网站。本网站对其自行开发的或和他人共同开发的所有内容、技术手段和服务拥有全部知识产权,任何人不得侵害或破坏,也不得擅自使用。
我要上传资料,请点我!
管理工具分类
ISO认证 课程讲义 管理表格 合同大全 法规条例 营销资料 方案报告 说明标准 管理战略 商业计划书 市场分析 战略经营 策划方案 培训讲义 企业上市 采购物流 电子商务 质量管理 企业名录 生产管理 金融知识 电子书 客户管理 企业文化 报告论文 项目管理 财务资料 固定资产 人力资源 管理制度 工作分析 绩效考核资料 面试招聘 人才测评 岗位管理 职业规划 KPI绩效指标 劳资关系 薪酬激励 人力资源案例 人事表格 考勤管理 人事制度 薪资表格 薪资制度 招聘面试表格 岗位分析 员工管理 薪酬管理 绩效管理 入职指引 薪酬设计 绩效管理 绩效管理培训 绩效管理方案 平衡计分卡 绩效评估 绩效考核表格 人力资源规划 安全管理制度 经营管理制度 组织机构管理 办公总务管理 财务管理制度 质量管理制度 会计管理制度 代理连锁制度 销售管理制度 仓库管理制度 CI管理制度 广告策划制度 工程管理制度 采购管理制度 生产管理制度 进出口制度 考勤管理制度 人事管理制度 员工福利制度 咨询诊断制度 信息管理制度 员工培训制度 办公室制度 人力资源管理 企业培训 绩效考核 其它
精品推荐
- 1C语言难点及分析 418
- 2暗促-酒店玫瑰静悄悄地开 721
- 3终端陈列十五大原则 778
- 4****主营业务发展战略设计 689
- 5中小企业物流发展的对策 770
- 6主顾开拓 818
- 7主动推进的客户服务 636
- 8专业媒体策划与购买 690
- 9中远电视广告CF 803
下载排行
- 1社会保障基础知识(ppt) 16695
- 2安全生产事故案例分析(ppt 16695
- 3行政专员岗位职责 16695
- 4品管部岗位职责与任职要求 16695
- 5员工守则 16695
- 6软件验收报告 16695
- 7问卷调查表(范例) 16695
- 8工资发放明细表 16695
- 9文件签收单 16695


