数据挖掘回归与时序分析PPT课件

3 59.74 4398 13 55.96 4063 23 60.1 4516
4 58.04 4068 14 57.87 4334 24 60.5 4473
5 59.67 4339 15 56.87 4301 25 59.04 4297
6 59.44 4393 16 55.97 4141 26 59.01 4123
n
SSE ( yi yˆ )2 i 1
SSE a
0
SSE
b
0
*
n
SSE yi a bxi 2 i 1
a
yi i n
xi i n
i
xi
i
xi n
yi
i
yi n
i
xi
i
xi n
2
i
xi
i
xi n
yi
i
yi n
b
xi 2
体重与肺活量之间有何关系，这里面的人都正常吗？如何处理？
*
《医药信息分析与应用》课程组
8
回归分析
*
《医药信息分析与应用》课程组
9
回归分析
*
《医药信息分析与应用》课程组
10
二、回归分析
4600 4500
肺活量（ml）
4400
4300
4200
4100
4000
3900
3800
53
54
55
56
57
58
59
60
61
*
《医药信息分析与应用》课程组
11
4600 4500 4400 4300 4200 4100 4000 3900 3800
52
二、回归分析
肺活量（ml）
yˆ a bx
54
56
58
60
62
*
《医药信息分析与应用》课程组
12
二、回归分析
yˆ a bx
最小二 乘法
*
《医药信息分析与应用》课程组
• 检验假设： H0 : 回归方程不显著 H1 : 回归方程
• 显 检验著统计量：F
y
yˆ
yˆ 2
y
2
~ F 1, n 2
n 2
• 检验规则：给定显著性水平 ，
若 F F 1, n 2 ，则回归系数显著。
*
《医药信息分析与应用》课程组
*
《医药信息分析与应用》课程组
7
二、回归分析
编号NO
体重 （kg）
肺活量 （mபைடு நூலகம்）
编号NO
体重 （kg）
肺活量 （ml）
编号NO
体重 （kg）
肺活量 （ml）
1 60.1 4508 11 56.95 4181 21 55.11 4238
2 60.38 4469 12 57.22 4097 22 53.24 4523
i
xi
i
n
SE
y yˆ 2
n2
《医药信息分析与应用》课程组
15
二、回归分析
• 最小二乘法 • 利用EXCEL计算：单击菜单栏中“工具”→ “加载宏”命令，选择相应的“分析工具库” 和“分析工具库–VBA函数”复选框，单击 “确定”按钮，完成加载。
*
《医药信息分析与应用》课程组
16
二、回归分析
• 最小二乘法 • 利用EXCEL计算：单击“工具”→“数据分析” 命令，选中“回归”选项，单击“确定”按钮。
Y=760.25+60.18x
*
《医药信息分析与应用》课程组
17
*
《医药信息分析与应用》课程组
18
二、回归分析
• 对回归方程进行假设检验:通常包括如下三个方面 • 回归系数显著性检验 • 回归模型的显著性检验 • 检验ui 之间是否存在自相关关系
*
《医药信息分析与应用》课程组
19
二、回归分析
• 回归系数显著性检验
• 检验假设：H0 : b 0 H1 : b 0
•
检验统计量：t
b Sb
tn 2
• 检验规则：给定显著性水平α，
若 t t n 2 ，则回归系数显著。
*
《医药信息分析与应用》课程组
20
二、回归分析
• 回归模型的显著性检验
13
二、回归分析
• 最小二乘法：拟合回归模型的原则是寻求代表性 最好的模型
• i 是一个随机变量；
• i 的均值为零，即 Ei 0 ；
• 在每一个时期中，i 的方差为常量，即 Dui 2
• 各个 i 相互独立；
• i 与自变量无关。
*
《医药信息分析与应用》课程组
14
二、回归分析
• 最小二乘法
7 58.7 4389 17 56.07 3905 27 59.7 4216
8 59.75 4306 18 55.28 3943 28 59.06 4077
9 60.5 4395 19 55.79 4195 29 59.12 4287
10 58.72 4462 20 54.56 4039 30 54.21 4201
回归与时序分析
《医药信息分析与应用》课程组 精品课程：正在建设 课程博客： 电子邮箱： communion.
本章要点
一、概述 二、回归分析 三、时间序列分析 四、Microsoft SQL Server 2005实践回归分
析与时间序列分析
*
《医药信息分析与应用》课程组
2
一、概 述
现实生活中的许多现象之间存在着相互依赖、相 互制约的关系，这些关系在量上主要有两种类 型： 确定性关系 (s=pi*r*r) 非确定性关系 (相关关系)
*
《医药信息分析与应用》课程组
5
一、概 述
回归分析与时间序列分析
✓ 时间序列分析方法明确强调变量值顺序的重要性，而 其它统计分析方法则不必如此；
✓ 时间序列各观察值之间存在一定的依存关系，而其它 统计分析一般要求每一变量各自独立；
✓ 时间序列分析根据序列自身的变化规律来预测未来， 而其它统计分析则根据某一变量与其它变量间的因果 关系来预测该变量的未来；
*
《医药信息分析与应用》课程组
3
一、概 述
变量之间是否线性 线性回归模型 非线性回归模型
变量的个数分为： 一元回归和多元回归
*
《医药信息分析与应用》课程组
4
一、概 述
时间序列分析
回归分析中如果自变量是时间，则将按 时间顺序产生的离散型观测数据序列 (xt)(t=1,2,3…)称作时间序列，根据时间 序列，揭示相应系统的内在统计特性和发 展规律的统计方法，称时间序列分析。
✓ 时间序列是一组随机变量的一次样本实现，而其它统 计分析的样本值一般是对同一随机变量进行N次独立重 复实验的结果；
✓ 二者建模思路不同。
*
《医药信息分析与应用》课程组
6
二、回归分析
回归分析的过程即是寻求有关联（相关）的变量 之间的关系的过程，主要内容包括：从一组样本 数据出发，确定这些变量间的定量关系式；对这 些关系式的可信度进行各种统计检验；从影响某 一变量的诸多变量中，判断哪些变量的影响显著， 哪些不显著；利用求得的关系式进行预测和控制。