3.1回归分析的基本思想及其初步应用(二).ppt

3.1回归分析的基本思想及其初步应用（二）比《数学3》中“回归”增加的内容回归分析的内容与步骤：例1从某大学中随机选取8名女大学生，其身高和体重数据如表1-1所示。分析：由于问题中要求根据身高预报体重，因此选取身高为自变量，体重为因变量．探究：身高为172cm的女大学生的体重一定是60.316kg吗？如果不是，你能解析一下原因吗？例1从某大学中随机选取8名女大学生，其身高和体重数据如表1-1所示。我们可以用下面的线性回归模型来表示：y=bx+a+e，(3)其中a和b为模型的未知参数，e称为随机误差。思考:产生随机误差项e的原因是什么？函数模型与回归模型之间的差别函数模型与回归模型之间的差别思考：如何刻画预报变量（体重）的变化？这个变化在多大程度上与解析变量（身高）有关？在多大程度上与随机误差有关？5959由于解析变量和随机误差的总效应（总偏差平方和）为354，而随机误差的效应为128.361，所以解析变量的效应为离差平方和的分解（三个平方和的意义）样本决定系数（判定系数R2）显然，R2的值越大，说明残差平方和越小，也就是说模型拟合效果越好。1表3-2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。例2、在一段时间内，某中商品的价格x元和需求量Y件之间的一组数据为：例2、在一段时间内，某中商品的价格x元和需求量Y件之间的一组数据为：用身高预报体重时，需要注意下列问题：一般地，建立回归模型的基本步骤为：什么是回归分析？（内容）回归分析与相关分析的区别