9.2 一元回归分析

9.2 一元回归分析null§9.2 一元回归分析§9.2 一元回归分析一.一元线性回归模型本节讨论回归函数是一元线性函数或可线性化函数的情况.若回归函数是线性函数其中b0 , b1 , …,bk是未知常数，称为线性回归问题.null若Y关于X 的回归函数为Y=a+bx+, ~N(0, 2)有一元线性回归模型：其中a、b、σ2为未知参数，且 a — 回归常数(又称截距)b — 回归系数(又称斜率) — 随机误差（随机扰动项）null ...

null§9.2 一元回归分析 §9.2 一元回归分析一.一元线性回归模型本节讨论回归函数是一元线性函数或可线性化函数的情况.若回归函数是线性函数其中b0 , b1 , …,bk是未知常数，称为线性回归问题.null若Y关于X 的回归函数为Y=a+bx+, ~N(0, 2)有一元线性回归模型：其中a、b、σ2为未知参数，且 a — 回归常数(又称截距)b — 回归系数(又称斜率) — 随机误差（随机扰动项）null 若随机误差ε～N(0,σ2), 称为一元线性正态回归模型. 取定自变量X 的一组值：x1, x2, …, xn, 对Y 做 n 次独立观察(试验), 试验结果记为 Y1，Y2, …,Yn则有 Yi =a + bxi + i, i= 1,...,n由自变量X确定的成分nullεi 是第 i 次观察时的随机误差，有两条回归假定：2) 1 ,..., n -1 , n 相互独立.等方差假定1) E(i)=0， D(i)= 2，i=1,2，…，n；null 对自变量X的一组值x1, x2, …,xn 做n次独立试验，得独立观察值y1, y2, …,yn .根据样本值估计模型参数.二.一元线性回归模型的参数估计需要对模型中的参数a、b、σ2 进行估计.nullnullyi 的估计值称为回归值.null缺点：可能正负误差抵消缺点：数学处理困难结论应选a、b的估计使离差(误差)平方和：达最小.null 应用最小二乘法分别对a,b求一阶偏导，并建立方程组：null或称为正规方程组，由克莱姆法则，解得：null其中null 由回归假定 i，i=1,2，…，相互独立， E(i)=0， D(i)= 2，i=1,2，…，n；且σ2=D(ε)=E(ε2)，故是σ2的矩估计量. 可证明σ2的无偏估计量为null其中null 例9.2.1 流经某地区的降雨量X和该地河流的径流量Y 的观察值如下表，降雨量xi: 110 184 145 122 165 143 78 径流量yi: 25 81 36 33 70 54 20 129 62 130 168 1436(∑） 44 1.41 41 75 480.4（∑）求Y关于X的(经验)线性回归方程,试估计降雨量为200时径流量为多少？nullnullnull所求经验回归方程为降雨量为200时的径流量值为随机误差的方差σ2的估计为null=（6050.59-0.632×13768.7）/11=53.25随机变量Y与X间是否存在线性相关关系？问题形式地估计回归系数和回归常数, 并建立经验线性回归方程无实际意义.null续例9.1.1 身高体重关系身高h 和体重m无明显的线性相关关系.三. 一元线性回归的假设检验（相关系数法）相关系数法是基于试验数据检验随机变量间线性相关关系是否显著的一种方法 .三. 一元线性回归的假设检验（相关系数法）相关系数是表征随机变量Y与X的线性相关程度的数字特征.null样本相关系数：作为ρXY的估计值.null1) 当R = 0经验回归方程形为说明自变量X的变化不会引起因变量Y的变化(不相关).有︱R︱≤1 ，统计值R也描述了X与Y 间的线性相关关系的密切程度.null2）︱R︱=1可认为X与Y间存在线性相关关系.null结论 1）︱R︱越接近于1，X与Y间的线性相关关系越显著； 2）︱R︱越靠近于0，X与Y间的线性相关关系越不显著.判别准则给定显著性水平α（0.05，0.01）当︱R ︱＞Rα(n-2), 认为X与Y之间的线性相关关系显著根据P306附表6 相关系数临界值表，有null 当︱R︱≤Rα(n-2), 认为X与Y之间的线性相关关系不显著例9.2.2(续前例)利用相关系数显著性检验法，检验降雨量X和径流量Y的线性相关关系是否显著.解 X与Y的样本相关系数为四. 非线性回归问题的线性化处理查表得Rα(n－2) =R0.01(9)=0.735＜0.952=R可认为X与Y的线性相关关系显著.四. 非线性回归问题的线性化处理在实际问题中,变量间的相关关系未必是线性关系，即其回归函数null往往是非线性函数. 部分情况可通过适当的变换，将其转化为线性回归问题. 例9.2.3 下表是1957年美国旧轿车的调查数据表使用年数xi 1 2 3 4 5 6 7 平均价格yi 2651 1943 1494 1087 765 538 484 8 9 10 226 226 204null求平均价格Y关于使用年数X的回归方程. 解观察试验数据的散布图y与 x呈指数关系null两边取对数，得令 z = lny, x=x, 记经变换得回归方程为记 zi = lnyi , 将原数据转换为（xi , zi）, i =1,2, …,10.设经验回归方程为nullz=lnynull(xi ,zi)的数据散布图呈直线趋势nullnull代入原变量，得非线性经验回归方程为检验X与lnY的线性相关关系是否显著检验X与Y是否存在显著的指数相关关系null︱R︱=0.996＞0.765=R0.01 (8)，可以认为X与Y存在显著的指数相关关系.例9.2.4 建模范例（身高体重关系）现有15对某地区人的身高h 和体重m数据，希望用简洁的函数关系式描述该地区人的身高体重的对应关系.null两边取对数得对选定的回归函数的估计函数去掉m=0, h=0, 对原数据做相应变换.null变换数据的散布图用matlb软件编程可得经验线性回归方程null可用来描述该地区人的身高和体重的关系.问题请考虑还需做什么工作？

                    本文档为【9.2 一元回归分析】，请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑，
                    图片更改请在作品中右键图片并更换，文字修改请直接点击文字进行修改，也可以新增和删除文档中的内容。 
 该文档来自用户分享，如有侵权行为请发邮件ishare@vip.sina.com联系网站客服，我们会及时删除。

                    [版权声明] 本站所有资料为用户分享产生，若发现您的权利被侵害，请联系客服邮件isharekefu@iask.cn，我们尽快处理。

                    本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权，请谨慎使用。

                    网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传，仅限个人学习分享使用，禁止用于任何广告和商用目的。
                

下载需要：免费已有0 人下载

立即下载

9.2 一元回归分析

你可能还喜欢