线性回归与方差分析

.
画出散点图如图9-1所示.从图中可以看出，随
着广告投入费x的增加，销售额Y基本上也呈上升
趋势，图中的点大致分布在一条向右上方延伸的
直线附近.但各点不完全在一条直线上，这是由于Y
还受到其他一些随机因素的影响.
这样，Y可以看成是由两部分叠加而成，一部
分是x的线性函数a+bx，另一部分是随机因素引起的
第九章 线性回归分析与方差分析
第一节 一元线性回归分析 第二节 可线性化的非线性回归 第三节 多元线性回归简介 第四节 方差分析
.
第一节 一元线性回归分析
在许多实际问题中，我们常常需要研究多 个变量之间的相互关系。 一般来说，变量之间的关系可分为两类： 一类是确定性关系，确定性关系是指变量之间的关 系可以用函数关系来表达，例如电流I电压V电 阻R之间有关系式V=IR。 另一类是非确定性关系，有些变量之间的关系是非 确定性的关系，这种关系无法用一个精确的函数 式来表示。
最小二乘法就是选择a，b的估计 aˆ , bˆ，使得
Q(a, b)为最小（图9-2）
.
图9-2
.
为了求Q（a, b）的最小值，分别求Q关于a， b的偏导数，并令它们等于零：
aQ(a,b)
n i1
(yi
abxi)(2) 0
bQ(a,b)
n i1
(yi
abxi)(2xi )ห้องสมุดไป่ตู้
0
经整理后得到
na
我们对于可控制变量x取定一组不完全相同的值 x1，…，xn，作n次独立试验，得到n对观测结果：
（x1,y1） ，（x2,y2），…，（xn, yn）
其中yi是x=xi时随机变量Y的观测结果.将n对观测结 果（xi，yi）（i=1,…,n）在直角坐标系中进行描点， 这种描点图称为散点图.散点图可以帮助我们精略 地看出Y与x之间的某种关系.
误差 ，即 y
Y=a+bx+
500
* *L
400 300
*
*
*
*
200
100
o
* **
20
40
60
80
100 120
这就是所谓的 一元线性回归模型
x
图9-1
.
一般地，假设x与Y之间的相关关系可表示为
Yab x (1)
其中：a, b为未知常数
为随机误差且~N(0,2) 2 未知，
x与Y的这种关系称为一元线性回归模型
对于具有相关关系的变量，虽然不能找到他们之间 的确定表达式，但是通过大量的观测数据，可以发 现他们之间存在一定的统计规律， 数理统计中研究变量之间相关关系的一种有效方法 就是回归分析。
.
一、 一元线性回归模型
假定我们要考虑自变量x与因变量Y之间的相关关系 假设x为可以控制或可以精确观察的变量，即x为普 通的变量。由于自变量x给定后，因变量Y并不能确 定，从而Y是一个与x有关的随机变量
.
例如，农作物的单位面积产量与施肥量之间有 密切的关系，但是不能由施肥量精确知道单位面积 产量，这是因为单位面积产量还受到许多其他因素 及一些无法控制的随机因素的影响。
又如，人的身高与体重之间存在一种关系，一般来 说，人身高越高，体重越大，
但同样高度的人，体重却往往不同。这种变量之间 的不确定性关系称之为相关关系。
y=a+bx称为回归直线 b称为回归系数
此时 Y~N(ab,x2)
对于（x, Y）的样本（x1，y1），…，（xn，yn）有：
yi abxi i i1,,n i ~N(0,2) 1,,n相互独立
.
如果由样本得到式（1）中，a, b的估计值 aˆ , bˆ ，
则称 yˆ aˆ bˆx为拟合直线或经验回归直线，它 可作为回归直线的估计 一元线性回归主要解决下列一些问题：
n
xi b
n
bi
i1
i1
n i1
xi
a n i1
xi2 b
n i1
xi yi
式（2）称为正规方程组.
.
（2）
由正 规方程组解得
n
(xi x)( yi y)
bˆ i1 n (xi x)2 i 1
aˆ ybˆx
其中
x1 n
ni1
xi,y1nin1
yi
.
用最小二乘法求出的估计 aˆ 、bˆ 分别称为a、b的最
2n
2
Q e yiyi yiabxi 称 为 残 差 平 方 和
i1
i1
.
为了计算Qe, 将Qe作如下分解:
（1）利用样本对未知参数a、b、 2 进行估计；
（2）对回归模型作显著性检验； （3）当x=x0时对Y的取值作预测，即对Y作区间 估计.
.
二、 参数a、b、 2 的估计
现在我们用最小二乘法来估计模型（1）中的
未知参数a,b.
n
n
记 QQ (a,b) i2 (yiabi)x2
i 1
i 1
称Q(a, b)为偏差平方和
小二乘估计
此时，拟合直线为
yˆ aˆ bˆx
或 yybˆ(xx)
拟合直线也称为y关于x的经验回归方程、 有时也称为y关于x的一元线性回归方程
.
为了计算上的方便, 引入下述记号:
Sxx
n i1
(xi
x)2
n i1
xi2
1 n
n i1
xi
2
Sxy
n
(xi
i1
x)( yi
y)
n i1
估计
E
2
而i yi abxi ，a、b分别由 aˆ、bˆ 代入
故 2可用 ˆ2 1nin1(yi aˆbˆxi)2 作估计
.
为 了 计 算 2 ， 引 入 下 述 残 差 平 方 和
记 y i y x x i a b x i ,则 称 y i y i为 x i处 的 残 差
平 方 和
n
xi
yi
1 n
n i1
xi
n i1
yi
.
Syy
n
( yi
i1
y)2
n i1
yi2
1 n
n i1
yi
2
.
这样a,b的估计值可写成
bˆ
S xy S xx
aˆ
1 n
n i1
yi
1 n
n i1
xi
bˆ
.
下面再用矩法求 2的估计
由于 2DE2
由矩估计法，可用
1 n
n i1
2 i
.
例1 对某广告公司为了研究某一类产品的广告费用x 与其销售额Y之间的关系，对多个厂家进行调查， 获得如下数据
厂家 1 广告费 6 销售额 31
23 456789 10 21 40 62 62 90 100 120 58 124 220 299 190 320 406 380
广告费与销售额之间不可能存在一个明确的 函数关系，事实上，即使不同的厂家投入了相同 的广告费，其销售额也不会是完全相同的。影响 销售额的因素是多种多样的，除了广告投入的影 响，还与厂家产品的特色、定价、销售渠道、售 后服务以及其他一些偶然因素有关。