《回归分析的基本思想及其初步应用3课件》由会员分享，可在线阅读，更多相关《回归分析的基本思想及其初步应用3课件（27页珍藏版）》请在金锄头文库上搜索。
1、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回归分析的基本思想及其初步应用(3)例例1 从某大学中随机选取从某大学中随机选取8名女大学生，其身高和体重数据如表名女大学生，其身高和体重数据如表1-1所示。所示。编号12345678身高/cm 165 165 157 170 175 165 155 170体重/kg4857505464614359求根据一名女大学生的身高预报她的体重的回归方程，并预报一名身高为求根据一名女大学生的身高预报她的体重的回归方程，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。案例案例1：女大学生的身高与体重：女大学生的身高与体重解：解
2、：1、选取身高为自变量、选取身高为自变量x，体重为因变量，体重为因变量y，作散点图：，作散点图：2、从散点图还看到，样本点成条状分布，、从散点图还看到，样本点成条状分布，身高和体重有比较好的线性相关关系，因此可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以用线性回归方程y=bx+a来近似的来近似的刻画它们之间的关系。刻画它们之间的关系。回归分析的基本思想及其初步应用(3)由数学三的知识可知根据最小二乘法估计 和 就是未知参数a和b的最好估计，回归分析的基本思想及其初步应用(3)根据最小二乘法估计 和 就是未知参数a和b的最好估计，于是有b=所以回归方程是所以，对于身高为所以，对于身
3、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，由回归方程可以预报其体重为 探究：探究：身高为身高为172cm的女大学生的体重一定是的女大学生的体重一定是60.316kg吗？吗？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？回归分析的基本思想及其初步应用(3)探究：探究：身高为身高为172cm的女大学生的体重一定是的女大学生的体重一定是60.316kg吗？吗？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？答：身高为答：身高为172cm的女大学生的体重不一定是的女大学生的体重不一定是60.316kg， 但一般可以认为她的体重在但一般可以认为她的体重在6
4、0.316kg左右。左右。回归分析的基本思想及其初步应用(3)从散点图还看到，样本点散布在某一条直线的附近，而不是在一条直线从散点图还看到，样本点散布在某一条直线的附近，而不是在一条直线上，所以不能用一次函数上，所以不能用一次函数y=bx+a描述它们关系。描述它们关系。 我们可以用我们可以用线性回归模型线性回归模型来表示：来表示：y=bx+a+e，其中，其中a和和b为模型的未知为模型的未知参数，参数，e称为随机误差称为随机误差。 显然身高为显然身高为172cm的女大学生的体重不一定是的女大学生的体重不一定是60.316kg，但一般可以，但一般可以认为她的体重在认为她的体重在60.316kg左右
5、，散点图中的样本点和回归直线的相互位置说左右，散点图中的样本点和回归直线的相互位置说明了这一点明了这一点:回归分析的基本思想及其初步应用(3)思考思考产生随机误差项产生随机误差项e的原因是什么？的原因是什么？随机误差随机误差e e的来源的来源( (可以推广到一般）：可以推广到一般）：1、其它因素的影响：影响身高 y 的因素不只是体重 x，可能 还包括遗传基因、饮食习惯、生长环境等因素；2、用线性回归模型近似真实模型所引起的误差；3、身高 y 的观测误差。回归分析的基本思想及其初步应用(3)函数模型与回归模型之间的差别函数模型与回归模型之间的差别函数模型：回归模型： 线性回归模型线性回归模型y=
6、bx+a+e增加了随机误差项增加了随机误差项e，因变量，因变量y的值由自变量的值由自变量x和和随机误差项随机误差项e共同确定，即共同确定，即自变量自变量x只能解析部分只能解析部分y的变化的变化。 在统计中，我们也把自变量在统计中，我们也把自变量x称为解析变量，因变量称为解析变量，因变量y称为预报变量。称为预报变量。回归分析的基本思想及其初步应用(3)思考：如何发现数据中的错误？如何衡思考：如何发现数据中的错误？如何衡量模型的拟合效果？量模型的拟合效果？在实际应用中，我们用回归方程在实际应用中，我们用回归方程 中的中的 估计（估计（1）中的）中的bx+a，由于随，由于随机误差机误差e=y-(bx
7、+a) ,所以所以 ，对样本点而言，对样本点而言 回归分析的基本思想及其初步应用(3)对回归模型进行统计检验对回归模型进行统计检验回归分析的基本思想及其初步应用(3)表表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。 在研究两个变量间的关系时，首先要根据散点图来粗略判断它们是否线性相关，在研究两个变量间的关系时，首先要根据散点图来粗略判断它们是否线性相关，是否可以用回归模型来拟合数据。是否可以用回归模型来拟合数据。残差分析与残差图的定义：残差分析与残差图的定义： 然后，我们可以通过残差然后，我们可以通过残差 来判断模型拟合的效
8、果，判断原始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，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这方面的分析工作称为残差分析。编号编号12345678身高身高/cm165165157170175165155170体重体重/kg4857505464614359残差残差-6.3732.6272.419-4.6181.1376.627-2.8830.382 我们可以利用图形来分析残差特性，作图时纵坐标为残差，横坐标可以选为样本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编号，或身高数据，或体重估计值等
9、，这样作出的图形称为残差图残差图。回归分析的基本思想及其初步应用(3)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，残差图中的点应该分布在以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 几点说明：几点说明： 第一个样本点和第第一个样本点和第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
10、错误，就予以纠正，然后再重新利用线性回归模型拟合数的错误。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，则需要寻找其他的原因。据；如果数据采集没有错误，则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，说明选用的模型计较合适，这另外，残差点比较均匀地落在水平的带状区域中，说明选用的模型计较合适，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。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。回归分析的基本思想及其初步应用(3)思考：思考：如何刻画预报变量（体重）的变化？这个变化在多大程度上
11、如何刻画预报变量（体重）的变化？这个变化在多大程度上与解析变量（身高）有关？在多大程度上与随机误差有关？与解析变量（身高）有关？在多大程度上与随机误差有关？ 那么，在这个总的效应（总偏差平方和）中，有多少来自于解析变量（身高）？那么，在这个总的效应（总偏差平方和）中，有多少来自于解析变量（身高）？有多少来自于随机误差？有多少来自于随机误差？ 假设随机误差对体重没有影响，也就是说，体重仅受身高的影响，那么散点图中所有的点将完全落在回归直线上。但是，在图中，数据点并没有完全落在回归直线上。这些点散布在回归直线附近，所以一定是随机误差把这些点从回归直线上这些点散布在回归直线附近，所以一定是随机误差把
12、这些点从回归直线上“推推”开了开了。回归分析的基本思想及其初步应用(3)在例在例1中，残差平方和约为中，残差平方和约为128.361。 因此，数据点和它在回归直线上相应位置的差异因此，数据点和它在回归直线上相应位置的差异 是随机误差的效应，是随机误差的效应，称称 为为残差残差。例如，编号为例如，编号为6的女大学生，计算随机误差的效应（残差）为：的女大学生，计算随机误差的效应（残差）为：对每名女大学生计算这个差异，然后分别将所得的值平方后加起来，用数学符号对每名女大学生计算这个差异，然后分别将所得的值平方后加起来，用数学符号称为称为残差平方和残差平方和，它代表了随机误差的效应。它代表了随机误差的
13、效应。表示为：表示为：回归分析的基本思想及其初步应用(3) 由于解析变量和随机误差的总效应（总偏差平方和）为由于解析变量和随机误差的总效应（总偏差平方和）为354，而随机误差的效应为，而随机误差的效应为128.361，所以解析变量的效应为，所以解析变量的效应为解析变量和随机误差的总效应（总偏差平方和）解析变量和随机误差的总效应（总偏差平方和） =解析变量的效应（回归平方和）解析变量的效应（回归平方和）+随机误差的效应（残差平方和）随机误差的效应（残差平方和）354-128.361=225.639 这个值称为这个值称为回归平方和。回归平方和。我们可以用我们可以用R2来刻画回归的效果，其计算公式是
14、来刻画回归的效果，其计算公式是回归分析的基本思想及其初步应用(3)显然，显然，R2的值越大，说明残差平方和越小，也就是说模型拟的值越大，说明残差平方和越小，也就是说模型拟合效果越好。合效果越好。在线性回归模型中，在线性回归模型中，R2表示解析变量对预报变量变化的贡献率表示解析变量对预报变量变化的贡献率。 R2越接近越接近1，表示回归的效果越好（因为，表示回归的效果越好（因为R2越越接近接近1，表示解析变量和预报变量的线性相关性，表示解析变量和预报变量的线性相关性越强）。越强）。 如果某组数据可能采取几种不同回归方程进行如果某组数据可能采取几种不同回归方程进行回归分析，则可以通过比较回归分析，则
15、可以通过比较R2的值来做出选择，的值来做出选择，即即选取选取R2较大的模型作为这组数据的模型较大的模型作为这组数据的模型。总的来说：总的来说：R2是度量模型拟合效果的一种指标。是度量模型拟合效果的一种指标。在线性模型中，它在线性模型中，它代表自变量刻画预报变量的能力代表自变量刻画预报变量的能力。回归分析的基本思想及其初步应用(3)1354总计0.36128.361残差变量0.64225.639随机误差比例平方和来源 从表中可以看出，解析变量对总效应约贡献了从表中可以看出，解析变量对总效应约贡献了64%，即，即R20.64，可以叙述为可以叙述为“身高解析了身高解析了64%的体重变化的体重变化”，
16、而随机误差贡献了剩余的，而随机误差贡献了剩余的36%。 所以，身高对体重的效应比随机误差的效应大得多。所以，身高对体重的效应比随机误差的效应大得多。回归分析的基本思想及其初步应用(3)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。、不能期望回归方程得到的预报值就是预报变
17、量的精确值。 事实上，它是预报变量的可能取值的平均值。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。这些问题也使用于其他问题。涉及到统计的一些思想：涉及到统计的一些思想：模型适用的总体；模型适用的总体；模型的时间性；模型的时间性；样本的取值范围对模型的影响；样本的取值范围对模型的影响；模型预报结果的正确理解。模型预报结果的正确理解。回归分析的基本思想及其初步应用(3)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，哪个变量是预报变量。）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
18、解析变量和预报变量的散点图，观察它们之间的关系）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）。（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，则选用线性）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，则选用线性 回归方程回归方程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（个别数据对应残差过大，或残差呈现）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，则检查数据是否有误，或模型是不随机的规律性，等等），过存在异常，则检查数据是否有误，或模型是 否合适等。否合适等。回归分析的基本思想及其初步应用(3)回归分析的基本思想及其初步应用(3)回归分析的基本思想及其初步应用(3)回归分析的基本思想及其初步应用(3)回归分析的基本思想及其初步应用(3)回归分析的基本思想及其初步应用(3)回归分析的基本思想及其初步应用(3)回归分析的基本思想及其初步应用(3)回归分析的基本思想及其初步应用(3)
