Chapter-6_回归分析

Chapter-6_回归分析

本文内容摘自：https://seeing-theory.brown.edu/regression-analysis/cn.html

回归分析是一种建立两个变量之间线性模型的方法。

1. 最小二乘法

最小二乘法是一个估计线性模型参数的方法。这个方法的目标是找到一组线性模型参数，使得这个模型预测的数据和实际数据间的平方误差达到最小。这是四个让让统计学家一度十分头疼的数据集：安斯库姆四重奏，你可以通过这四个数据集进一步探索最小二乘法。

选择一个数据集

拖动图中的数据点，观察它们对回归直线的影响。

点击下方表格来了解每个参数在最小二乘法中的具体含义。

n 是样本大小，也就是数据集中数据点的个数。

$\bar{x}$ 是 X 数据的均值，其数学定义如下：
$$\bar{x}=\sum _{i=1}^n\frac{x_i}{n}$$

$\bar{y}$ 是 $y$ 数据的均值，其数学定义如下：
$$\bar{y}=\sum _{i=1}^n\frac{y_i}{n}$$

$\widehat{B_0}$ 是回归直线的截距，目前的估计值的方差是 11.39。其数学定义如下：
$$\widehat{B_0}=\bar{y}-\widehat{B_1}\bar{x}$$

$\widehat{B_1}$ 是回归直线的斜率，目前估计的方差是0.13。 其数学定义如下：
$$\widehat{B_1}=\frac{S_{xy}}{S_{xx}}$$

$SSE$ 指的是残差平方和（sum of squared error，其数学定义如下：
$$SSE=\sum _{i=1}^n(y_i-(\widehat{B_0}+\widehat{B_1}{x}_i){)}^2$$

2. 相关性

相关性是一种刻画两个变量之间线性关系的度量。相关性的数学定义是
$$r=\frac{s_{xy}}{\sqrt{s_{xx}}\sqrt{s_{yy}}}$$
其中
$$\begin{gathered} s_{xy}=\sum _{i=1}^n(x_i-\bar{x})(y_i-\bar{y}) \\ {s}_{xx}=\sum _{i=1}^n(x_i-\bar{x}{)}^2 \\ {s}_{yy}=\sum _{i=1}^n(y_i-\bar{y}{)}^2 \end{gathered}$$
由上述定义我们可以看出$r\in [-1.1]$。

我们还可以把相关性 $r$ 理解为最小二乘法确定的 $x,y$ 变量方向之间的余弦值。你可以通过 Edgar Anderson 的著名的 鸢尾花（Iris flower）数据集例子来进一步探索这个概念。选择下方鸢尾花种类：

点击下面相关性矩阵来探索各个品种鸢尾花之间的相关性。

实验效果：

（再次）选择：

实验效果：

3. 方差分析

方差分析（ANONA，Analysis of Variace）是一种检验各组数据是否有相同均值的统计学方法。方差分析将t检验从检验两组数据均值推广到检验多组数据均值，其主要方法是比较组内和组间平方误差。

选择一个数据集来进行探索：

3.1 数据集1.

你可以移动数据点然后观察这些改变如何影响方差分析的结果。

点击下方方差分析表格的各列来进一步了解各参数的意义。

$SSE$ （sum of squared residuals）指的是残差平方和。其数学定义如下：
$$SSE=\sum _{i=1}^n(y_i-\bar{y}{)}^2$$

$df$（degree of freedom）指的是自由度. 其数学定义如下:
$$df=n-1$$

$MSE$（mean squared error）指的是均方差，其数学定义如下：
$$MSE=\frac{SSE}{df}$$

$F$ 是一个检验统计量，其数学定义如下：
$$F=\frac{SST/(k-1)}{SSE/(n-k)}\sim f_{k-1,n-k}$$

$p$ 是由 $F$ 统计量得出的 p 值。

3.2 数据集2

3.3 数据集3.

• 【看见统计】全文内容摘自：https://seeing-theory.brown.edu/cn.html
• 【时间】2022.03.25