高的线性函数解释的所有部分当残差变量恒等于0时,线性回归模型就变成一次函数模型因此,一次函数模型是线性回归模型的特殊形式,线性回归模型是一次函数模型的一般形式2相关系数:相关系数的绝对值越接近于1,两个变量的线性相关关系越强,它们的散点图越接近一条直线,这时用线性回归模型拟合这组数据就越好,此时建立的线性回归模型是有意义3小结:求线性回归方程的步骤、线性回归模型与一次函数的不同
第二课时11回归分析的基本思想及其初步应用(二)教学目标:
1知识与技能:会建立回归模型,进而学习相关指数(相关系数r、总偏差平方和、随机误差的效应即残差、残差平方和、回归平方和、相关指数R2、残差分析)2过程与方法:通过学习会求上述的相关指数3情感态度价值观:从实际问题发现已有知识不足,激发好奇心、求知欲。培养勇于求知的良好个性品质。教学重点: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SSTyiy2i1
残差平方和:回归值与样本值差的平方和,即SSEyiyi2i12
f
回归平方和:相应回归值与样本均值差的平方和,即SSRyiy2i1
(2)学习要领:①注意yi、yi、y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yiy2yiyi2yiy2;③当总偏差平方和相对固定时,残差平方
i1
i1
i1
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
yiyi2
R2
1
i1
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R2的值越大,说明残差平
yiy2
i1
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x与Y有如下数据:
x
2
4
5
6
8
y
30
40
60
50
70
为了对x、Y两个变量进行统计分析,现有以下两种线性模型:y65x175,y7x17,试比较哪一
r