回归分析的基本思想及其初步应用上课用课件.pptx

会计学例1、某大学中随机选取8名女大学生，其身高和体重数据如下表所示.解：1、选取身高为自变量x，体重为因变量y，作散点图：根据最小二乘法估计和就是未知参数a和b的最好估计，解：散点图：思考：
产生随机误差项e的原因是什么？线性回归模型y=bx+a+e增加了随机误差项e，因变量y的值由自变量x和随机误差项e共同确定，即自变量x只能解析部分y的变化。残差表1-4列出了女大学生身高和体重的原始数据以及相应的残差数据。残差图的制作及作用。
坐标纵轴为残差变量，横轴可以有不同的选择；
若模型选择的正确，残差图中的点应该分布在以横轴为心的带形区域；
对于远离横轴的点，要特别注意。用身高预报体重时，需要注意下列问题：练习假设关于某设备的使用年限x和所支出的维修费用y（万元），有如下的统计资料。解：案例2一只红铃虫的产卵数y和温度x有关。现收集了7组观测数据列于表中：假设线性回归方程为：ŷ=bx+a93>66?
模型好不好？y=bx2+a变换y=bt+a
非线性关系线性关系

变换y=bx+a
非线性关系线性关系

比一比

练习：为了研究某种细菌随时间x变化，繁殖的个数，收集数据如下：（2）由散点图看出样本点分布在一条指数函数y=的周围，于是令Z=lny,则一般地，建立回归模型的基本步骤为：