统计分析与SAS软件第五章线性回归分析.

一、一元线性回归二、一元线性回归方程三、回归关系的显著性检验四、置信区间五、多元线性回归六、回归诊断第五章线性回归分析生产实践中，常常能找到一个变量与另外一个变量之间的关系：小麦的施肥量与产量、水稻的株高和穗长、冬天的温度与来年病虫害的发生程度等等。回归分析就是找出合适的回归方程，从而用一个变量来预测另一个变量。一元线性回归：最简单的回归关系，即一个变量y在一个变量x上的回归关系，称x为自变量，y为因变量（或称响应变量、依赖变量）第一节一元线性回归如果两个变量x，y之间存在线性回归关系，则有回归模型：总体：yi＝+xi+ia称为回归截距b称为回归系数i称为随机误差样本：yi＝a+bxi+i回归方程：＝a+bxyˆ第一节一元线性回归回归参数的计算——最小二乘法期望拟合的线性回归方程与试验资料的误差最小，拟合的误差也称作离回归平方和或残差，可以利用数学中求极值的方法解出a和b而使得误差平方和为最小。2112)(ˆiininiiibxayyyQ误差平方和：第二节线性回归方程分别求Q对a和b的偏导数，令其等于0：0)(2)(2xbnaybxayaQ0)(2)(22xbxaxyxbxaybQ整理得正规方程组：yxbnaxyxbxa22112)(ˆiininiiibxayyyQ第二节线性回归方程解正规方程组：)1(yxbna)2(2xyxbxa(3)式各项乘：x)5(//)(2nyxnxbxa(1)式除以n得：(/)/(3)abxnyn(2)-(5)式得：nyxxynxxb/]/)([22即：))(()(2yyxxxxb)4()/(/xbynxbnya于是：于是：xxySSSPxxyyxxb/)(/))((2线性回归方程便已求出为：bxayˆ第二节线性回归方程对此统计假设有两种检验方法：检验线性回归关系是否存在，就是检验建立回归模型的样本是否来自存在回归关系的总体，即H0：＝0vsHA：≠0只有在此检验结果为显著时，用a估计，用b估计，用估计y才是有意义的。yˆF检验法和t检验法注：df1=1，df2=n-2的一尾F值等于df=n-2的两尾t值的平方第三节回归关系的显著性检验如果在模型yi＝+xi+i中，＝0，这就意味着不管xi为什么值，yi都不发生实质性变化；换言之，x和y之间没有显著的回归关系。1.F检验法利用下图说明F检验法的基本原理。y当自变量为，对应的因变量的实测值为，因变量的预测值为。于是的离均差可分解为两个部分：xyyˆyy离均差随机误差回归引起的偏差yyyyyyˆ)ˆ(yyyyˆ)ˆ(yyxyyxyˆ第三节回归关系的显著性检验对数据资料所有点的求和得：对于任一个点有：)ˆ()ˆ()(yyyyyy两边平方得：222)ˆ()ˆ)(ˆ(2)ˆ()(yyyyyyyyyy222)ˆ()ˆ)(ˆ(2)ˆ()(yyyyyyyyyy)()(ˆxxbybxxbybxay证明：上式右边的中间项为0：])[(ˆbxxbyyyy)]())[(()ˆ)(ˆ(xxbyyxxbyyyy])())([(2xxbyyxxb)()ˆ(xxbyy即)()()ˆ(xxbyyyy即第三节回归关系的显著性检验222)ˆ()ˆ()(yyyyyy误差平方和eQSS回归平方和rUSS的总平方和yTSSy于是：的总平方和便分解为两个部分：y第三节回归关系的显著性检验0][)ˆ)(ˆ(xxxyxySSSSSPSPbyyyy对所有点求和得：变异来源自由度平方和均方Ｆ值回归误差１n-2UQ总变异n-1T05.0F2Us2es2Us2es检验结论：若FF0.05，则存在显著的线性回归关系。利用方差分析表第三节回归关系的显著性检验2.t检验法其中回归系数其标准误:bsbt22ˆ22ebxxyyQsnnsSSSSxx第三节回归关系的显著性检验H0:＝0vsHA：≠0选择t统计量:b研究光照强度与净光合强度的关系光照强度X净光合强度Y一级计算：300700100015002200300040005000600070001402603003804104925806907408302230700482214367000027807641949200010xyxyxyn实例：回归系数b:094868.049431004688460xxySSSPb回归截距a:955.1903070094868.02.482xbya实例：变异来源自由度平方和均方Ｆ值回归误差１84447841081044478413513295.3211.26总变异945559505.0F01.0FF检验结论：回归关系达极显著，可得线性回归方程用光照强度估测净光合强度是合理的。xy094868.0955.190ˆ1、F检验法实例：P161108102102494210000.005229ebxxQsnsSSSS实例：P16114.18005229.0094868.0bsbt2、t检验0.050.010.01210282.3063.355||18.143.355edfntttt，，结论：回归关系极显著，可得线性回归方程用光照强度来预测净光合强度是合理的。实例：t检验ˆ190.9550.094868yx第四节预测值的置信区间ysty05.0ˆ211yexxxssnSS因此由x预测y时，y的95%置信区间为：由x预测y时，y有一定的误差，其标准误差为：实例：由x预测y的预测区间67.384942100030702500101176.362ys第一步：计算当x=2500时，y的点估计值：第二步：求y的标准误差：125.4282500094868.0955.190ˆy实例：由X预测Y的预测区间95.33867.38036.2125.428ˆ05.0ysty0.05ˆ428.1252.03638.67517.30yyts第三步：求y的置信区间：第四步：结论有95％的把握预测当树冠的光照强度为2500时，净光合作用的强度在338.95到517.30之间。第五节多元线性回归分析一、多元线性回归分析概述上面讨论的只是两个变量的回归问题，其中因变量只与一个自变量相关。但在大多数的实际问题中，影响因变量的因素不是一个而是多个，我们称这类多自变量的回归问题为多元回归分析。这里着重讨论简单而又最一般的线性回归问题，这是因为许多非线性的情形可以化为线性回归来做。多元线性回归分析的原理与一元线性回归分析完全相同，但在计算上却要复杂得多。01122mmyxxx一、多元线性回归分析概述多元线性回归模型多元线性回归方程mmxbxbxbby22110ˆ第五节多元线性回归分析式中β0β1β2…βm为（偏）回归系数式中b0b1b2…bm为（偏）回归系数的估计值根据最小二乘法原理，的估计值应该使）（mbi,1,2,,0i),,2,1,0(mii二、参数估计方法——最小二乘准则由求极值的必要条件得：min)]([)ˆ(122211012nimimiiiniiixbxbxbbyyyQ),,2,1(0)ˆ(20)ˆ(2110mjxyybQyybQnajiiijniii第五节多元线性回归分析采用矩阵形式：Y=XB+E二、参数估计方法——最小二乘准则解得：nmnnmmmxxxxxxxxxxxxX213233122221112111111nyyyY21mbbbbB210YXXXB')'(1第五节多元线性回归分析n2101、回归方程的假设检验三、假设检验原假设H0：β1＝β2＝…＝βm＝0F统计量为：//(1)UmFQnm回归平方和：自由度：m2)ˆ(yyUi误差平方和：自由度：n-m-12)ˆ(iiyyQ第五节多元线性回归分析2、回归系数的假设检验统计量为t：ibiSbt其中：C(i+1)(i+1)为矩阵(X’X)-1的(i+1)(i+1)元素Q为误差平方和，自由度：df=n-m-1)1)(1(iiybcSSi第五节多元线性回归分析原假设H0：βi＝01）t检验1mnQSy2、回归系数的假设检验统计量为：1//1/)1)(1(2mnQcbmnQUFiiii其中：Ui为xi对y的回归平方和，Q为误差平方和C(i+1)(i+1)为矩阵(X’X)-1的(i+1)(i+1)元素自由度：df1=1df2=n-m-1第五节多元线性回归分析原假设H0：βi＝02）F检验四、回归模型的选择由于自变量较多时，不是每一个自变量的回归关系都显著，对回归不显著的自变量不能简单的进行剔除。尤其时自变量之间存在严重的线性关系时，自变量之间相互影响，很难对自变量的去留做出抉择。为了获得最优回归方程，就需要对自变量进行筛选。第五节多元线性回归分析常用的自变量的筛选方法：第五节多元线性回归分析1、向前引入法（Forward）按显著性程度，逐个将回归模型外自变量引入回归模型，直到没有显著的自变量引入为止。2、向后剔除法（Backward）对全回归模型中不显著的自变量依次剔除，直到回归模型中剩余自变量都显著为止。3、逐步筛选法（Stepwise）逐个引入最显著的自变量，同时对模型中不显著的自变量进行剔除，直到没有引入和剔除为止。五、回归模型的判别准则1.R2决定系数AdjR2矫正的决定系数n为观测数，p为含截距的参数个数，i为截距数决定系数的值越大，越接近于1模型拟合越好。第五节多元线性回归分析总平方和回归平方和TrSSSSR222_11niAdjRRnp五、回归模型的判别准则2.PRESS统计量——预测残差平方和其中ri为残差，hi为杠杆率PERSS统计量用来比较不同方法所建立的回归模型的优劣，PRESS的值越小，模型越好。21iihrPRESS1''iiihXXXX第五节多元线性回归分析五、回归模型的判别准则3.Cp统计量其中k为参数个数，n为观测数ESS(k)为含k个参数的误差平方和ESS(T)为全回归的误差平方和Cp统计量的值越小，回归模型越好。第五节多元线性回归分析nkmnTESSkESSCp)1(2)1()()(一、残差（Residual）分析残差：指实测值和预测值之间的差。iiiyyrˆ)(iiirVarre第六节回归诊断标准化残差：学生化残差：)()1(iiiirVarhre学生化残差使残差具有优良的可比性残差图：以观测值(x或y)为横坐标，残差为纵坐标第六节回归诊断******************************************************************************************************************1.回归模型合适2.应改为曲线模型3.方差非齐性4.观测值不独立方差非齐性时，可用加权最小二乘法回归，或者对因变量的数据进行适当的变换，如：第六节回归诊断），（），（），（0Y10lnY0YZYZYYZ观测值不独立时（共线性）：说明自变