1.1 回归分析的基本思想及其初步应用教学设计模板

回归分析的基本思想及其初步应用

（第1课时）

一、教学内容与教学对象分析

学生将在必修课程学习统计的基础上，通过对典型案例的讨论，了解和使用一些常用的统计方法，进一步体会运用统计方法解决实际问题的基本思想，认识统计方法在决策中的作用。

二、学习目标

1、知识与技能

通过本节的学习，了解回归分析的基本思想，会对两个变量进行回归分析，明确建立回归模型的基本步骤，并对具体问题进行回归分析，解决实际应用问题。

2、过程与方法

本节的学习，应该让学生通过实际问题去理解回归分析的必要性，明确回归分析的基本思想，从散点图中点的分布上我们发现直接求回归直线方程存在明显的不足，从中引导学生去发现解决问题的新思路—进行回归分析，进而介绍残差分析的方法和利用R来表示解释变量对于预报变量变化的贡献率，从中选择较为合理的回归方程，最后是建立回归模型基本步骤。

3、情感、态度与价值观

通过本节课的学习，首先通过实际问题了解回归分析的必要性和回归分析的基本思想，明确回归分析的基本方法和基本步骤，培养我们利用整体的观点和互相联系的观点，来分析问题，进一步加强数学的应用意识，培养学生学好数学、用好数学的信心。加强与现实生活的联系，以科学的态度评价两个变量的相关系。培养学生运用所学知识，解决实际问题的能力。

三、教学重点、难点

教学重点：熟练掌握回归分析的步骤；各相关指数、建立回归模型的步骤。

教学难点：求回归系数

a

, b ；相关指数的计算、残差分析。

四、教学策略：

教学方法：诱思探究教学法

学习方法：自主探究、观察发现、合作交流、归纳总结。

教学手段：多媒体辅助教学

五、教学过程：

（一）、复习引入：回归分析是对具有相关关系的两个变量进行统计分析的一种常用方法。

对于一组具有线性相关关系的数据：

（x1,y1) , (x2,y2) ，…，

(xn,yn)，

我们知道其回归方程的截距和斜率的最小二乘估计公式分别为：

2

byy(xx)(iii1n)

（1）

(xx)ii1n2aybx

（2）

1n1n其中xxi,yyi，（x,y）成为样本点的中心. ni1ni1

回归分析的基本步骤：

(1) 画出两个变量的散点图.

(2) 求回归直线方程. (3) 用回归直线方程进行预报. 下面我们通过案例，进一步学习回归分析的基本思想及其应用．

举例：

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

编号

体重/kg 1 2 3 4 5 6 61 7 155 43 8 170 59 身高/cm 165 165 157 170 175 165 48 57 50 54 64 求根据女大学生的身高预报体重的回归方程，并预报一名身高为

172 cm 的女大学生的体重．

解：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

x ，体重为因变量

y . 作散点图(图3 . 1 一

1)

从图3. 1一1 中可以看出，样本点呈条状分布，身高和体重有比较好的线性相关关系，因此可以用线性回归方程来近似刻画它们之间的关系．

ˆ0.849,aˆ85.712.

根据探究中的公式（1）和（2 ) ，可以得到b于是得到回归方程

y0849x85.712. 因此，对于身高172 cm 的女大学生，由回归方程可以预报其体重为

y084917285.71260.316

( kg ) .

ˆ0.849是斜率的估计值，说明身高

x 每增加1个单位时，体重y就增加0.849 位，b这表明体重与身高具有正的线性相关关系．如何描述它们之间线性相关关系的强弱？

在必修

3 中，我们介绍了用相关系数；来衡量两个变量之间线性相关关系的方法．本相关系数的具体计算公式为

rxxyyiii1n(xx)(yy)2iii1i1nn

2当r>0时，表明两个变量正相关；当r<0时，表明两个变量负相关．r越接近1，表明两个变量的线性相关性越强；r接近于0时，表明两个变量之间几乎不存在线性相关关系．通常，当r大于0. 75 时认为两个变量有很强的线性相关关系．

在本例中，可以计算出r =0. 798．这表明体重与身高有很强的线性相关关系，从而也表明我们建立的回归模型是有意义的．

显然，身高172cm 的女大学生的体重不一定是60. 316 kg，但一般可以认为她的体重接近于60 . 316 kg .图3 . 1 一

2 中的样本点和回归直线的相互位置说明了这一点．

由于所有的样本点不共线，而只是散布在某一条直线的附近，所以身高和体重的关系可用下面的线性回归模型来表示：

ybxae, ( 3 )

ˆbxa之间的误差．这里

a 和

b 为模型的未知参数，e是

y 与y通常e为随机变量，称为随机误差，它的均值

E (e）=0，方差D（e）=D(e)＞0 ．这样线性回归模型的完整表达式为：

2ybxae,

(4) 2E(e)0,D(e).在线性回归模型（4）中，随机误差e的方差越小，通过回归直线

ˆbxa

(5) y预报真实值y的精度越高．随机误差是引起预报值y与真实值

y 之间的误差的原因之一，大小取决于随机误差的方差.

另一方面，由于公式（1）和（2）中a

和b为截距和斜率的估计值，它们与真实值a和b之间也存在误差，这种误差是引起预报值y与真实值y之间误差的另一个原因．

思考:产生随机误差项e的原因是什么? 一个人的体重值除了受身高的影响外，还受许多其他因素的影响。例如饮食习惯、是否喜欢运动、度量误差等。事实上，我们无法知道身高和体重之间的确切关系是什么，这里只是利用线性回归方程来近似这种关系。这种近似以及上面提到的影响因素都是产生随机误差

e 的原因。

因为随机误差是随机变量，所以可以通过这个随机变量的数字特征来刻画它的一些总体特征。均值是反映随机变量取值平均水平的数字特征，方差是反映随机变量集中于均值程度的数字特征，而随机误差的均值为0，因此可以用方差来衡量随机误差的大小。

为了衡量预报的精度，需要估计e的值。一个自然的想法是通过样本方差来估计总体方差。如何得到随机变量e的样本呢？由于模型（3）或（4）中的e隐含在预报变量

y 中，我们无法精确地把它从

y 中分离出来，因此也就无法得到随机变量e的样本。

解决问题的途径是通过样本的估计值来估计。根据截距和斜率的估计公式（1）和（2 ) , 22ˆbxa, 可以建立回归方程yˆ的估计量．由于随机误差eyyˆ，所以eyy是e的估计量．对于因此y是（5）中y样本点（x1,y1) , (x2,y2) ，…，

(xn,yn) 而言，相应于它们的随机误差为

eiyiyiyibxia,i1,2,,n, 其估计值为eiyiyiyibxia，i1,2,,nei称为相应于点(xi,yi)的残差（residual )．

nyiyi称为残差平方和。通常，残差平方和yiyi越小，模型拟合效果越好，i1i1n22预报精度越高．

在研究两个变量间的关系时，首先要根据散点图来粗略判断它们是否线性相关，是否可以用线性回归模型来拟合数据．然后，可以通过残差e1，e2，…，en来判断模型拟合的效果，判断原始数据中是否存在可疑数据．这方面的分析工作称为残差分析．表3一

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．

编号

身高/cm 体重/kg 1 165 48 2 165 57 3 157 50 4 170 54 5 175 64 6 165 61 7 155 43 8 170 59 

残差e

-6.373 2.627 2.419 -4.618 1.137 6.627 -2.883 0.382 我们可以利用图形来分析残差特性作图时纵坐标为残差，横坐标可以选为样本编号，或身高数据，或体重的估计值等，这样作出的图形称为残差图．图

3 . 1 一

3 是以样本编号为横坐标的残差图．

残差图残差864200-2-4-6-8编号123456789ei

从图3 . 1 一

3 中可以看出，第

1 个样本点和第

6 个样本点的残差比较大，需要确认在采集这两个样本点的过程中是否有人为的错误．如果数据采集有错误，就予以纠正，然后再重新利用线性回归模型拟合数据；如果数据采集没有错误，则需要寻找其他的原因．另外，残差点比较均匀地落在水平的带状区域中，说明选用的模型比较合适.这样的带状区域的宽度越窄，说明模型拟合精度越高，回归方程的预报精度越高．另外，我们还可以用相关指数2ˆyyiinR2来刻画回归的效果，其计算公式是：R21yi12i1n

iy2显然，R取值越大，意味着残差平方和越小，也就是说模型的拟合效果越好．在线性回归模型中，R表示解释变量对于预报变量变化的贡献率．

R越接近于1，表示回归的效果越好（因为R越接近于1，表示解释变量和预报变量的线性相关性越强）．如果对某组数据可能采取几种不同的回归方程进行回归分析，也可以通过比较几个R，选择R大的模型作为这组数据的模型．

在例

1 中，R=0. 64 ，表明“女大学生的身高解释了64 ％的体重变化”，或者说“女大学生的体重差异有

64 ％是由身高引起的”. 用身高预报体重时，需要注意下列问题：

1．回归方程只适用于我们所研究的样本的总体．例如，不能用女大学生的身高和体重之间的回归方程，描述女运动员的身高和体重之间的关系．同样，不能用生长在南方多雨地区的树木的高与直径之间的回归方程，描述北方干旱地区的树木的高与直径之间的关系． 2．我们所建立的回归方程一般都有时间性．例如，不能用 20 世纪 80 年代的身高体重数据所建立的回归方程，描述现在的身高和体重之间的关系． 3．样本取值的范围会影响回归方程的适用范围．例如，我们的回归方程是由女大学生身高和体重数据建立的，那么用它来描述一个人幼儿时期的身高和体重之间的关系就不恰当（即在回归方程中，解释变量 x 的样本的取值范围为［155cm,170cm〕

，而用这个方程计222222

算 x-70cm 时的y值，显然不合适．) 4．不能期望回归方程得到的预报值就是预报变量的精确值．事实上，它是预报变量的可能取值的平均值．

一般地，建立回归模型的基本步骤为： (1）确定研究对象，明确哪个变量是解释变量，哪个变量是预报变量； (2）画出确定好的解释变量和预报变量的散点图，观察它们之间的关系（如是否存在线性关系等） ; (3）由经验确定回归方程的类型（如我们观察到数据呈线性关系，则选用线性回归方程

y=bx+a ) ; (4）按一定规则估计回归方程中的参数（如最小二乘法）; (5）得出结果后分析残差图是否有异常（个别数据对应残差过大，或残差呈现不随机的规律性等等），若存在异常，则检查数据是否有误，或模型是否合适等．

练习1：某班5名学生的数学和化学成绩如下表所示，对x与y进行回归分析，并预报某学生数学成绩为75分时，他的化学成绩。

A B C D E 88 76 73 66 63 数学x 78 65 71 64 61 化学y

解略。

练习2：某医院用光电比色计检验尿汞时，得尿汞含量

(mg/l) 与消光系数的结果如下：

尿汞含量x 消光系数y 2 64 4 138 6 205 8 285 10 360

（1）求回归方程。（2）求相关指数R2。

解：略。

六、

课堂小结

1、求回归直线方程；

样本相关系数；

样本残差分析；

相关指数；

建立回归模型的基本步骤。

七、作业：

八、板书：略

九、课后反思：