一、一元线性回归
实验目的:
1.对“父母子女身高”数据集(高尔顿数据集)进行线性回归分析(简化的做法可选取父子身高数据为X-Y),用excel计算线性回归方程和相关系数、方差、p值等,判断回归方程是否成立?
2.现在如果有一个新家庭的数据,已知父亲身高75英寸,请测算儿子的身高为多少?
3.选取母子身高数据为X-Y,用Excel计算线性回归方程和相关系数、方差、p值等,判断回归方程是否成立。
4.用多元线性回归方法,计算出父亲、母亲与儿子身高的回归方程
实验环境:Excel2019等
参考资料:Excel实现数据的线性回归
1.设置Excel
打开Excel,进入菜单界面,点击选项
2.高尔顿数据集线性回归分析
打开数据文件,我们这里做简化的,选取父子身高数据为X-Y
因为是父子身高,先要筛选数据,选择子女性别为M(男性)
之后就是下面这个表
打开数据分析
选择回归,点击确定
由图就可知线性回归方程、相关系数、方差和p值等,R2值为1,还是可信的。根据预测方程,已知父亲身高75英寸,请测算儿子的身高为71.8365英寸。
同理,母亲-儿子身高线性回归也可以求出来。
根据数值判断,该回归方程是可信的。
下面是父亲,母亲和儿子的回归方程,它们的R2分别是0.6389和0.4658,都比较小,所以这两个回归方程都是不可靠的。
二、线性回归方法的有效性判别
实验目的:针对Anscombe四重奏数据集,用excel对四组数据进行线性回归分析,判断其中哪些回归方程是成立的,哪些不成立?不成立的应该如何解决?
实验环境:Excel2019等
参考资料:回归模型的一些判断方法
1.回归方程
先用上面的方法做出数据集的回归方程
2.判别
由图可知,四种数据R*2、F校验和T校验都是差不多的值,所以无法通过这个判断。
然后,我将各个数据排序后,再添加了各个数据走势曲线。
这种情况,可以通过残差可以判别回归方程是否成立。
对于dataset1来说,该线性回归方程并不是很能够表现原始数据的一个变化趋势,所以不成立。它的残差变化并不稳定,相差很大。
对于dataset2来说,它的残差变化不符合线性,所以它的回归方程也不成立。
对于dataset3来说,它的残差在前期比较符合,但是出现了突变点,所以它的回归方程也不成立。
对于dataset4来说,它的残差也符合线性,也没有突变点,但是它的数据明显不符合回归方程,因为它的数据更像是出现了很大的误差,所以它的回归方程不成立。
三、其它
本篇:hml3_12
下一篇:hml3_3