回归分析的基本思想及其初步应用(5).ppt

该【回归分析的基本思想及其初步应用(5) 】是由【相惜】上传分享，文档一共【22】页，该文档可以免费在线阅读，需要了解更多关于【回归分析的基本思想及其初步应用(5) 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。=bx+a+e增加了随机误差项e,因变量y的值由自变量x和随机误差项e共同确定,即自变量x只能解析局部y的变化。在统计中,我们也把自变量x称为解析变量,因变量y为预报变量。精选课件我们可以用相关指数R2来刻画回归的效果,其计算公式是显然,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。R2越接近1,表示回归的效果越好〔因为R2越接近1,表示解析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,那么可以通过比较R2的值来做出选择,即选取R2较大的模型作为这组数据的模型。总的来说:相关指数R2是度量模型拟合效果的一种指标。在线性模型中,它代表自变量刻画预报变量的能力。精选课件1、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〔xi,yi〕的残差。例:编号为6的女大学生,计算随机误差的效应〔残差〕2、残差平方和把每一个残差所得的值平方后加起来,用数学符号表示为:称为残差平方和在例1中,。精选课件编号12345678身高/cm165165157170175165155170体重/kg4857505464614359残差---,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。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。使用公式计算残差精选课件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;假设模型选择的正确,残差图中的点应该分布在以横轴为心的带形区域;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几点说明:第一个样本点和第6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的错误。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据;如果数据采集没有错误,那么需要寻找其他的原因。另外,残差点比较均匀地落在水平的带状区域中,说明选用的模型比较适宜,这样的带状区域的宽度越窄,说明模型拟合精度越高,回归方程的预报精度越高。精选课件用身高预报体重时,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;2、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;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。——这些问题也使用于其他问题。精选课件一般地,建立回归模型的根本步骤为:〔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性关系,那么选用线性回归方程y=bx+a〕.〔4〕按一定规那么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〔个别数据对应残差过大,或残差呈现不随机的规律性,等等〕,过存在异常,那么检查数据是否有误,或模型是否适宜等。精选课件练****1在一段时间内,某中商品的价格x元和需求量Y件之间的一组数据为:求出Y对x的回归直线方程,并说明拟合效果的好坏。价格x1416182022需求量Y1210753解:精选课件练****1在一段时间内,某中商品的价格x元和需求量Y件之间的一组数据为:求出Y对的回归直线方程,并说明拟合效果的好坏。,拟合效果较好。-----