第5章回归分析

表 商品价格与消费量的关系
价格X 5.0 5.2 5.8 6.4 7.0 7.0 8.0 8.3 8.7 9.0 10.0 11 消费量Y 4.0 5.0 3.6 3.8 3.0 3.5 2.9 3.1 2.9 2.2 2.5 2.6
5.2 一元线性回归
15
一元线性回归实例
例： 某种商品与家庭平均消费量的关系（续） 在坐标轴上做出价格与消费量的相关关系。
• 子女的身高与父亲及母亲的身高之间的关系。
• 农田粮食的产量与施肥量之间的关系。 • 商品的销售量与广告费之间的关系。
5.1 回归分析的基本概念
8
回归分析的步骤 • 确定变量。寻找与预测目标的相关影响因素，即自变量，并从中选出主要的影响 因素。 • 建立预测模型。依据自变量和因变量的历史统计资料进行计算，在此基础上建立 回归分析预测模型。 • 进行相关分析。作为自变量的因素与作为因变量的预测对象是否有关，相关程度 如何，以及判断这种相关程度的把握性多大，就成为进行回归分析必须要解决的 问题。进行相关分析，一般要求出相关关系，以相关系数的大小来判断自变量和 因变量的相关程度。 • 计算预测误差。回归预测模型是否可用于实际预测，取决于对回归预测模型的检 验和对预测误差的计算。 • 确定预测值。利用回归预测模型计算预测值，并对预测值进行综合分析，确定最 后的预测值。
最小二乘法的原理就是，找到一组 aˆ ，bˆ 。使所有点的实际测量值 yi 与预测值 yˆi 的偏差的平方和最小。
残差平方和（Residual Sum of Squares，RSS）：
n
n
Q(aˆ,bˆ) (yi -yˆi )2 ( yi - aˆ - bˆxi )2
i=1
i=1
即，找到一组 aˆ ，bˆ 使RSS的值最小。
(3.472301 3.258333)2 (3.472301 3.258333)2 (3.125326 3.258333)2 (3.0212335 3.258333)2
天津大学计算机科学与技术学院 喻梅
数据挖掘
目录 CONTENTS
2
5.1 回归分析的基本概念 5.2 一元线性回归 5.3 多元线性回归 5.4 多项式回归
Chapter 5.1
回归分析的基本概念
5.1 回归分析的基本概念
4
回归分析（Regression Analysis)是确定两种或两种以上变量间相 互依赖的定量关系的一种统计分析方法。
Chapter 5.2
一元线性回归
5.2 一元线性回归
3
1. 一元线性回归模型
一元线性回归模型只包含一个解释变量（自变量）和一个被解释变量（因变量），是最简单的线性回归模型。
一元线性回归模型为： Y a bX
其中， 为自变量， 为因变量； 为截距，是一常量； 为回归系数，表示自变量对因变量的影响程度； 为随机误差项。
12
4. 回归参数的显著性检验
采用 t 检验对回归参数进行显著性检验，t 检验检测变量 x 是否是被解释变量 y 的一个显著性的影响因
素，t 检验是用于样本的两个平均值差异程度的检验方法。它是用 T 分布理论来推断差异发生的概率，
从而判断两个平均数的差异是否显著。
t 检验的计算公式为：
ti
=
bˆi sbˆi
yˆ = aˆ + bˆ x
y
x
图5-2 离差，回归差，残差三者关系
5.2 一元线性回归
9
2. 拟合优度检验（续）
总平方和TSS表示因变量的n个观察值与其均值的误差总和，TSS是各个数据离差的平方和，即：
TSS=
回归平方和ESS表示自变量 x 的变化对因变量 y 取值变化的影响，ESS是各个数据回归差的平方和，即：
RSS
s 其中， bˆi 的计算公式为： sbˆi
n k 1
n
i 1
xi 2
1 n
(
n i 1
xi )2
其中，bˆi 是自变量 xˆi 的回归参数，sbˆi 是回归参数bˆi 的抽样分布的标准差。K为自由度，n为样本总量，
RSS为残差平方和。
5.2 一元线性回归
13
4. 回归参数的显著性检验（续）
5.1 回归分析的基本概念
6
变量间的关系
– 确定性关系
确定性关系是指当一些变量的值确定以后另一些变量的值也随之完全确定的关系，这 些变量间的关系完全是已知的，变量之间的关系可以用函数关系来表示。
• 圆的面积 S 与半径 r 之间的关系 S r2。
• 如：价格不变时，某商品的销售收入与销售量的关系。
对于一元线性回归模型，只有一个自变量 xi ，所以 bˆi =bˆ ，自由度k=1。
如果某个自变量 xi 对因变量 y 没有产生影响或者影响很小，应当将自变量 xi 的系数取值为0，
即 bˆi = 0。
5.2 一元线性回归
14
一元线性回归实例
例： 某种商品与家庭平均消费量的关系
以某家庭为调查单位，某种商品在某年各月的家庭平均月消费量Y (kg)与其价格X (元/kg) 间的调查数 据如表所示。
Y 销 售 收 入
Y=aX
0
X
销售量
图 某商品销售收入与销售量的关系
5.1 回归分析的基本概念
7
变量间的关系
– 非确定性关系
非确定性关系是指变量之间有一定的依赖关系，变量之间虽然相互 影响和相互制约，但由于受到无法预计和控制的因素的影响，使得 变量间的关系呈现不确定性，当一些变量的值确定以后，另一些变 量值虽然随之变化，却不能完全确定，这时变量间的关系就不可以 精确地用函数来表示，即不能由一个或若干变量的值精确地确定另 一变量的值。
5.2 一元线性回归
11
3. 线性关系的显著性检验
采用F 检验来度量一个或多个自变量同因变量之间的线性关系是否显著。F 检验（F test）运用服从F 分布的统计量或方差比作为统计检验，通过显著性水平（Significant Level） 检验回归方程的线性关系 是否显著。 F 检验的计算公式为：
2. 拟合优度检验
拟合优度指所求得的回归直线对观测值的拟合程度。 y 离差 = yi -y ，表示实际值与平均值之差。
回归差 = yˆi - y ，表示估计值与平均值之差。
残差 = yi -yˆi ，表示实际值与估计值之差。
其中，离差=回归差+残差。三者关系如下：
8
yi - y
yi - yˆi yˆi - y
模型特点： ① 是 的线性函数加上误差项。 ②线性部分反映了由于 的变化而引起的 的变化。 ③误差项 是随机变量，反映了除 和 之间的线性关系之外的随机因素对 的影响，它是一个期望值为0的
随机变量，即 E( ) 0 ；也是一个服从正态分布的随机变量，且相互独立，即 ~ N (0, 2 ) 。
④对于一个给定的 值， 的期望值为 E(Y) a bX ， 称为 对 的回归。
F ESS / k RSS / (n k 1)
且服从F 分布 F (k, n k 。1)
其中 k 为自由度（自变量的个数），n 为样本总量。对于一元线性回归方程，只有一个自变量x ，所以 k=1。 F 值越大说明自变量和因变量之间在总体上的线性关系越显著。反之线性关系越不显著。
5.2 一元线性回归
由上图知，该商品在某家庭月平均消费量Y 与价格X 间基本呈线性关系，这些点与直线间的偏差是由其 它一些无法控制的因素和观察误差引起的，根据Y 与X 之间的线性关系及表中数据，可以求得两者之间 的回归方程。
5.2 一元线性回归
16
一元线性回归实例
例： 某种商品与家庭平均消费量的关系（续）
（1）求解一元线性回归方程：
y 的数据集
yˆ
y
4.166251
4.0
4.096856
5.0
3.888671
3.6
3.680486
3.8
3.472301
3.0
3.472301
3.5
3.125326
2.9
3.0212335
3.1
2.8824435ຫໍສະໝຸດ 2.92.778351
2.2
2.431376
2.5
2.084401
2.6
5.2 一元线性回归
5.2 一元线性回归
4
2. 回归方程
Yˆ aˆ bˆX
和 是回归方程的回归系数， 是回归直线在y轴上的截距， 是直线的斜率。
对于每一个 xi ，由回归方程可确定一个回归值 yˆi =aˆ+bˆxi 。
5.2 一元线性回归
5
回归方程求解及模型检验
1. 最小二乘法 对于每一个点 (xi , yi ) , yˆi 是通过回归方程得到的回归值。
19
一元线性回归实例
n
( yˆi y)2
i 1
ESS (4.166251 3.258333)2 (4.096856 3.258333)2 (3.888671 3.258333)2 (3.680486 3.258333)2
R2=
TESSSS=4.7020976.529167=0.720168
（亦称确定系数）R2 ，计算公式为：
R2 ESS TSS RSS 1 RSS
TSS TSS
TSS
其中，R2 [0,1] ，R2 越接近于1，说明回归曲线拟合度越好；R2越小，说明回归曲线拟合度越差。
R2 =0 时，表示自变量 与因变量 没有线性关系。 R2 =1时，表示回归曲线与样本点重合。
aˆ= y-bˆx=3.258333 (0.346975) *7.616667=5.901126
故求得的线性回归方程为： yˆ 0.346975x 5.901126