您好,欢迎访问三七文档
第三章统计案例回归分析的基本思想及其初步应用1、求回归直线方程的步骤:1111(2),nniiiixxyynn求均值(3)代入公式1122211^()(),(),......(1)nniiiiiinniiiixxyyxnxybxxxnxaybxy(4)写出直线方程为y=bx+a,即为所求的回归直线方程。^(1)画散点图例1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1-1所示。编号12345678身高/cm165165157170175165155170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172cm的女大学生的体重。3、从散点图还看到,样本点散布在某一条直线的附近,而不是在一条直线上,所以不能用一次函数y=bx+a描述它们关系。思考产生随机误差项e的原因是什么?我们可以用下面的线性回归模型来表示:y=bx+a+e,其中a和b为模型的未知参数,e称为随机误差。思考产生随机误差项e的原因是什么?随机误差e的来源(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。5943616454505748体重/kg170155165175170157165165身高/cm87654321编号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“推”开了。在例1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是随机误差的效应,称为残差。)iiyy(iiieyy=例如,编号为6的女大学生,计算残差为:61(0.84916585.712)6.627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21()niiiyy称为残差平方和,表示为:类似于方差的定义表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。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。残差分析与残差图的定义:然后,我们可以通过残差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,这方面的分析工作称为残差分析。12,,,neee编号12345678身高/cm165165157170175165155170体重/kg4857505464614359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。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;•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;•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,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。我们可以用相关指数R2来刻画回归的效果,其计算公式是22121()1()1niiiniiyyRyy残差平方和。总偏差平方和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,则可以通过比较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。例关于x与y有如下数据:有如下的两个线性模型:(1);(2)试比较哪一个拟合效果更好。x24568y3040605070ˆ6.517.5yxˆ717.yx22121()1()niiiniiyyRyy21()niiiyy第一个好一般地,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。(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,则选用线性回归方程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)。(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,则检查数据是否有误,或模型是否合适等。案例2一只红铃虫的产卵数y和温度x有关。现收集了7组观测数据列于表中:(1)试建立产卵数y与温度x之间的回归方程;并预测温度为28oC时产卵数目。(2)你所建立的模型中温度在多大程度上解释了产卵数的变化?温度xoC21232527293235产卵数y/个711212466115325选变量解:选取气温为解析变量x,产卵数为预报变量y。画散点图假设线性回归方程为:ŷ=bx+a选模型分析和预测当x=28时,y=19.87×28-463.73≈93估计参数由计算器得:线性回归方程为y=19.87x-463.73相关指数R2=r2≈0.8642=0.7464所以,一次函数模型中温度解释了74.64%的产卵数变化。探索新知050100150200250300350036912151821242730333639方案1当x=28时,y=19.87×28-463.73≈93线性模型奇怪?9366?模型不好?y=bx2+a变换y=bt+a非线性关系线性关系方案2问题1选用y=bx2+a,还是y=bx2+cx+a?问题3-200-1000100200300400-40-30-20-10010203040产卵数气温问题2如何求a、b?合作探究t=x2二次函数模型方案2解答平方变换:令t=x2,产卵数y和温度x之间二次函数模型y=bx2+a就转化为产卵数y和温度的平方t之间线性回归模型y=bt+a温度21232527293235温度的平方t44152962572984110241225产卵数y/个711212466115325作散点图,并由计算器得:y和t之间的线性回归方程为y=0.367t-202.54,相关指数R2=r2≈0.8962=0.802将t=x2代入线性回归方程得:y=0.367x2-202.54当x=28时,y=0.367×282-202.54≈85,且R2=0.802,所以,二次函数模型中温度解释了80.2%的产卵数变化。产卵数y/个0501001502002503003500150300450600750900105012001350t问题2变换y=bx+a非线性关系线性关系2110cxyc问题1如何选取指数函数的底?-50050100150200250300350400450-10-50510152025303540产卵数气温指数函数模型方案3合作探究对数方案3解答温度xoC21232527293235z=lgy0.851.041.321.381.822.062.51产卵数y/个71121246611532500.40.81.21.622.42.8036912151821242730333639xz当x=28oC时,y≈44,指数回归模型中温度解释了98.5%的产卵数的变化由计算器得:z关于x的线性回归方程为z=0.118x-1.665,相关指数R2=r2≈0.99252=0.9850.118x-1.66510y对数变换:在中两边取常用对数得令,则就转换为z=bx+a22111221lglg(10)lglg10lglg10lgcxcxyccccxcxc2110cxyc12lg,lg,zyacbc2110cxyc最好的模型是哪个?-200-1000100200300400-40-30-20-10010203040产卵数气温-50050100150200250300350400450-10-50510152025303540产卵数气温-10001002003004000510152025303540产卵数线性模型二次函数模型指数函数模型比一比函数模型相关指数R2线性回归模型0.7464二次函数模型0.802指数函数模型0.985最好的模型是哪个?总结1122(,),(,),...,(,),nnxyxyxy对于给定的样本点两个含有未知参数的模型:(1)(2)(,)(,),yfxaygxb和其中a和b都是未知参数。拟合效果比较的步骤为:(1)分别建立对应于两个模型的回归方程与其中和分别是参数a和b的估计值;(2)分别计算两个回归方程的相关指数与(3)若则的效果比较好;反之,的效果比较好。(1)ˆˆ(,)yfxa(2)ˆˆ(,),ygxbˆaˆb2212,RR(1)ˆˆ(,)yfxa(2)ˆˆ(,)ygxb21R22R作业:《导航》P63Ex1~4P66Ex1~4
本文标题:3.2 残差分析
链接地址:https://www.777doc.com/doc-3771421 .html