第六章回归分析_误差理论与数据处理(费业泰)

回归分析_误差理论与数据处理(费业泰)

第6章 回归分析

合肥工业大学

误差理论与数据处理

回归分析_误差理论与数据处理(费业泰)

主要内容第一节 回归分析的基本概念 函数与相关 回归分析思路 第二节 一元线性回归 回归方程的确定 回归方程得方差分析及显著性检验 重复试验情况 回归直线的简便求法 第三节 一元非线性回归 求解思路 回归曲线函数类型得选取和检验 化曲线回归为直线回归问题合肥工业大学 误差理论与数据处理

回归分析_误差理论与数据处理(费业泰)

第一节 回归分析的基本概念一、函数与相关函数关系：可以用明确的函数关系式精确地表示 出来 相关关系：这些变量之间既存在着密切的关系， 又不能由一个(或几个)自变量的数 值精确地求出另一个因变量的数值，而 是要通过试验和调查研究，才能确定它 们之间的关系。

合肥工业大学

误差理论与数据处理

回归分析_误差理论与数据处理(费业泰)

第一节 回归分析的基本概念二、回归分析思路1、由数据确定变量之间的数学表达式-回归方程或经 验公式； 2、 对回归方程的可信度进行统计检验； 3、 因素分析。

合肥工业大学

误差理论与数据处理

回归分析_误差理论与数据处理(费业泰)

第二节 一元线性回归一元线性回归：确定两个变量之间的线性关系，即 直线拟合问题。

一、回归方程的确定例：确定某段导线的电阻与温度之间的关系：19.1 76.30 25.0 77.80 30.1 79.75 36.0 80.80 40.0 82.35 46.5 83.90 50.0 85.10

散点图：

84 82 80 78 76 2025 30 35 40 45 50 误差理论与数据处理

合肥工业大学

回归分析_误差理论与数据处理(费业泰)

第二节 一元线性回归从散点图可以看出：电阻与温度大致成线性关系。 设测量数据有如下结构形式：yt = β0 + βxt + εt , t = 1,2,L, N

式中，ε1,ε2 ,L,ε N 分别表示其它随机因素对电阻值 y1, y2 ,L, yN 影响的总和。 思路：要求电阻y与x的关系，即根据测量数据要求出 β0 和 β 的估计值。根据测量数据，可以得到 7个测量方程，结合前面所学，未知数有两个， 而方程个数大于未知数的个数，适合于用最小 二乘法求解。合肥工业大学 误差理论与数据处理

回归分析_误差理论与数据处理(费业泰)

第二节 一元线性回归设得到的回归方程

y = b0 + bx残差方程为 vi = yt y = yt b0 bxt , t = 1,2,L, N

根据最小二乘原理可求得回归系数b0和b。 对照第五章最小二乘法的矩阵形式，令 y1 y2 Y = M y N 合肥工业大学

1 1 X = M 1

x1 x2 M xN

= b0 b b

v1 v2 V = M v N

误差理论与数据处理

回归分析_误差理论与数据处理(费业泰)

第二节 一元线性回归则误差方程的矩阵形式为 Y Xb = V 对照 V = L AX ,设测得值 yt 的精度相等，则有

b = ( X T X ) 1 X T Y

将测得值分别代入上式，可计算得b= N∑xt yt (∑xt )(∑ yt )t =

1 t =1 t =1 N N N

N∑xt (∑xt )22 t =1 t =1

N

N

=

lxy lxx

,

b0 =

(∑x )(∑ yt ) (∑xt )(∑xt yt )t =1 2 t

N

N

N

N

N∑xt2 (∑xt )2t =1 t =1

t =1 N

t =1 N

t =1

= y bx

合肥工业大学

误差理论与数据处理

回归分析_误差理论与数据处理(费业泰)

第二节 一元线性回归其中1 N x = ∑xt N t =1 1 N y = ∑ yt N t =1 1 N lxx = ∑(xt x) = ∑xt (∑xt )2 N t =1 t =1 t =12 2 N 1 N lxy = ∑(xt x)( yt y) = ∑xt yt (∑xt )(∑ yt ) N t =1 t =1 t =1 t =1 N N N N

1 N lyy = ∑( yt y)2 = ∑ yt (∑ yt )2 N t =1 t =1 t =12

N

N

合肥工业大学

误差理论与数据处理

回归分析_误差理论与数据处理(费业泰)

第二节 一元线性回归二、回归方程的方差分析及显著性检验问题：这条回归直线是否符合y 与x之间的客观规 律回归直线的预报精度如何？ 解决办法： 方差分析法—分解N个观测值与其算术平均值之差 的平方和；从量值上区别多个影响因素；用F检验 法对所求回归方程进行显著性检验。

合肥工业大学

误差理论与数据处理

回归分析_误差理论与数据处理(费业泰)

第二节 一元线性回归(一)回归方程的方差分析 1、引起变差的原因： A、自变量x取值的不同； B、其它因素(包括试验误差)的影响。 2、方差分析 总的离差平方和(即N个观测值之间的变差)S = ∑( yt y)2 = lyyt =1 N

ν S = N 1

可以证明：合肥工业大学 误差理论与数据处理

回归分析_误差理论与数据处理(费业泰)

第二节 一元线性回归S=U+Q 其中U = ∑( yt y)2 = blxyt =1 N

νU = 1νQ = N 2

Q = ∑( yt yt )2 = lyy blxyt =1

N

U—回归平方和，反映总变差中由于x和y的线性关 系而引起 y变化的部分。 Q—残余平方和，反映所有观测点到回归直线的残 余误差，即其它因素对y变差的影响。合肥工业大学 误差理论与数据处理

回归分析_误差理论与数据处理(费业泰)

第二节 一元线性回归(二)回归方程显著性检验— F检验法 基本思路：方程是否显著取决于U和Q的大小，U越 大Q越小说明y与x的线性关系愈密切。 计算统计量FF= U /νU Q /νQ

对一元线性回归，应为F= U /1 Q /( N 2)

查F分布表，根据给定的显著性水平 α和已知的 自由度1和N-2进行检验：合肥工业大学 误差理论与数据处理

回归分析_误差理论与数据处理(费业泰)

第二节 一元线性回归若，F ≥ F0.01(1, N 2),

回归在0.01的水平上高度显著。 回归在0.05的水平上显著。 回归在0.1的水平上显著。

F0.05 (1, N 2) ≤ F < F0.01(1, N 2), F0.10 (1, N 2) ≤ F < F0.05 (1, N 2),F < F0.10 (1, N 2),

回归不显著。

合肥工业大学

误差理论与数据处理

回归分析_误差理论与数据处理(费业泰)

第二节 一元线性回归(三)残余方差与残余标准差 残余方差：排除了x 对y的线性影响后，衡量y 随机波动的特征量。σ2 =Q N 2

残余标准差：Q σ= N 2

含义：σ 越小，回归直线的精度越高。

合肥工业大学

误差理论与数据处理

回归分析_误差理论与数据处理(费业泰)

第二节 一元线性回归(四)方差分析表 来源

平方和 回归 残余 总计U = blxyQ = lyy blxy S = lyy

自由度 1 N-2 N-1

方差 -

F 显著性 - α

σ- - -

三、重复试验情况1、重复试验的意义 “回归方程显著”:只表明因素x的一次项对y的影响 显著；难以确定影响y的是否还有其它不可忽略的 因素？x和y是否线性? 不表明该方程拟合得很好。合肥工业大学 误差理论与数据处理

回归分析_误差理论与数据处理(费业泰)

第二节 一元线性回归为检验一个回归方程拟合的好坏，可通过重复试 验，获得误差平方和 QE 和失拟平方和 QL ,然后用 QE 对 QL 进行F …… 此处隐藏：2602字，全部文档内容请下载后查看。喜欢就下载吧 ……