回归分析的基本思想及其初步应用

要求：通过典型案例的探究，进一步了解回归分析的基本思想、方法及初步应用.
重点：了解评价回归效果的三个统计量：总偏差平方和、残差平方和、回归平方和.
教学难点：了解评价回归效果的三个统计量：总偏差平方和、残差平方和、回归平方和.
教学过程：
一、复习准备：
1．由例1知，预报变量（体重）的值受解释变量（身高）或随机误差的影响.
2．为了刻画预报变量（体重）的变化在多大程度上与解释变量（身高）有关？在多大程度上与随机误差有关？我们引入了评价回归效果的三个统计量：总偏差平方和、残差平方和、回归平方和.
二、讲授新课：
1. 教学总偏差平方和、残差平方和、回归平方和：
（1）总偏差平方和：所有单个样本值与样本均值差的平方和，即 .
残差平方和：回归值与样本值差的平方和，即 .
回归平方和：相应回归值与样本均值差的平方和，即 .
（2）学习要领：①注意 、 、 的区别；②预报变量的变化程度可以分解为由解释变量引起的变化程度与残差变量的变化程度之和，即 ；③当总偏差平方和相对固定时，残差平方和越小，则回归平方和越大，此时模型的拟合效果越好；④对于多个不同的模型，我们还可以引入相关指数 来刻画回归的效果，它表示解释变量对预报变量变化的贡献率. 的值越大，说明残差平方和越小，也就是说模型拟合的效果越好.
2. 教学例题：
例2 关于 与 有如下数据：
　　
　　2　　4　　5　　6　　8
　　
　　30　　40　　605070
为了对 、 两个变量进行统计分析，现有以下两种线性模型： ， ，试比较哪一个模型拟合的效果更好.

版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请发送邮件至 lxy@jiyifa.cn 举报，一经查实，本站将立刻删除。