没有合适的资源?快使用搜索试试~ 我知道了~
线性回归分析法.doc
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 82 浏览量
2021-10-03
15:51:26
上传
评论
收藏 927KB DOC 举报
温馨提示
试读
13页
线性回归分析法.doc
资源推荐
资源详情
资源评论
- -.
一元线性回归分析和多元线性回归分析
一元线性回归分析
1.简单介绍
当只有一个自变量时,称为一元回归分析(研究因变量 和自变量 之间
的相关关系);当自变量有两个或多个时,则称为多元回归分析(研究因变量
和自变量 , ,…, 之间的相关关系)。如果回归分析所得到的回归
方程关于未知参数是线性的,则称为线性回归分析;否则,称为非线性回归分
析。在实际预测中,某些非线性关系也可以通过一定形式的变换转化为线性关
系,所以,线性回归分析法成为最基本的、应用最广的方法。这里讨论线性回
归分析法。
2.回归分析法的基本步骤
回归分析法的基本步骤如下:
(1) 搜集数据。
根据研究课题的要求,系统搜集研究对象有关特征量的大量历史数据。由
于回归分析是建立在大量的数据基础之上的定量分析方法,历史数据的数量及
其准确性都直接影响到回归分析的结果。
(2) 设定回归方程。
以大量的历史数据为基础,分析其间的关系,根据自变量与因变量之间所
表现出来的规律,选择适当的数学模型,设定回归方程。设定回归方程是回归
分析法的关键,选择最优模型进行回归方程的设定是运用回归分析法进行预测
的基础。
(3) 确定回归系数。
将已知数据代入设定的回归方程,并用最小二乘法原则计算出回归系数,
确定回归方程。这一步的工作量较大。
(4) 进行相关性检验。
相关性检验是指对已确定的回归方程能够代表自变量与因变量之间相关关
系的可靠性进行检验。一般有 检验、 检验和 检验三种方法。
(5) 进行预测,并确定置信区间。
通过相关性检验后,我们就可以利用已确定的回归方程进行预测。因为回
归方程本质上是对实际数据的一种近似描述,所以在进行单点预测的同时,我
们也需要给出该单点预测值的置信区间,使预测结果更加完善。
3. 一元线性回归分析的数学模型
用一元线性回归方程来描述 和 之间的关系,即
( =1,2,…, )( 2-1)
式中, 和 分别是自变量 和因变量 的第 观测值, 和 是回归系
- - 总结
- -.
数, 是观测点的个数, 为对应于 的第 观测值 的随机误差。假设随
机误差 满足如下条件:①服从正态分布;② 的均值为零,即 ;
③ 的方差等于 ;④各个 间相互独立,即对于任何两个随机误差 和
,其协方差等于零,即, 。
基于上述假定,随机变量的数学期望和方差分别是
(2-2)
如果不考虑式中的误差项,我们就得到简化的式子
(2-3)
该式称为 对 的一元回归模型或一元回归方程,其相应的回归分析称为一元
线性回归分析。依据这一方程在直角坐标系中所作的直线就称为回归直线。
4. 回归参数的估计
回归模型中的参数 与 在一般情况下都是未知数,必须根据样本观测
数据 来估计。确定参数 与 值的原则是要使样本的回归直线同观察
值的拟合状态最好,即要使得偏差最小。为此,可以采用最小二乘法的办法来
解决。对应于每一个 ,根据回归直线方程式(2-3)可以求出一个 ,它就
是 的一个估计值。估计值和观测值之间的偏差 。要使模型的拟
合状态最好,就是说要使 个偏差平方和最小为标准来确定回归模型。
为了方便起见,记
, , ,
则式(2-1)用矩阵形式表示为
(2-
4)
设 为误差 的负估值,称为 的改正数或残差, 为回归参数 的估
值,则可以写出类似于参数平差的误差方程
- - 总结
- -.
(2-
5)
根据最小二乘原理 ,求自由极值,得
即 (2-6)
将误差方程(2-5)代入,即得法方程为
(2-
7)
记
, , ,
,
则
,
于是可得回归参数的最小二乘估值为
(2-
8)
即
参数 与 的具体表达形式为
(2-9)
求出参数 与 以后,就可以得到一元线性回归模型
- - 总结
剩余12页未读,继续阅读
资源评论
pyhm63
- 粉丝: 6
- 资源: 20万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功