误差理论和数据处理-第六章-回归分析.ppt

合肥工业大学 误差理论与数据处理 第6章 回归分析 　 本章主要阐述回归分析的基本概念，并重点介绍一元线性回归和非线性回归的基本方法，给出回归方程的方差分析和显著性检验。从而使学生掌握回归分析方法的基本原理，学会从实际测量中寻求两个变量和多个变量之间的内在关系。 教学目标 回归分析的基本概念和主要内容 一元线性回归方程的求法 回归方程的方差分析和显著性检验 一元非线性回归方法 重点与难点 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。 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。 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 25.0 30.1 36.0 40.0 46.5 50.0 76.30 77.80 79.75 80.80 82.35 83.90 85.10 散点图： 20 25 30 35 40 45 50 76 78 82 80 84 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： 式中， 分别表示其它随机因素对电阻值 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 和 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。 第二节　一元线性回归 设得到的回归方程 残差方程为 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 第二节　一元线性回归 则误差方程的矩阵形式为 对照 ，设测得值 的精度相等，则有 将测得值分别代入上式，可计算得 第二节　一元线性回归 其中 二、回归方程的方差分析及显著性检验 第二节　一元线性回归 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？ 　对N个观测值与其算术平均值之差的平方 　　和进行分解； 　从量值上区别对Ｎ个观测值的影响因素； 　用F检验法对所求回归方程进行显著性检 　　验。 方差分析法 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） 可以证明： 第二节　一元线性回归 S=U+Q 其中 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。 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F 对一元线性回归，应为 查F分布表，根据给定的显著性水平 和已知的 自由度1和N-2进行检验： 若 回归在0.01的水平上高度显著。 第二节　一元线性回归 回归在0.05的水平上显著。 回归在0.1的水平上显著。 回归不显著。 （三）残余方差与残余标准差 第二节　一元线性回归 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。 残余标准差： 含义： 越小，回归直线的精度越高。 第二节　一元线性回归 （四）方差分析表 来源 平方和 自由度 方差 F 显著性 回归 残余 1 N-2 － 总计 N-1 － － － 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。 为检验一个回归方程拟合的好坏，可通过重