线性回归解决什么问题

线性回归解决什么问题

问题一：线性回归方程需要注意哪些问题，如何处理 建立回归方程应注意以下几点：
（1）讨论的问题要有意义，回归方程的选择要符合实际需要。
（2）拟合都是在一定范围内进行的，即在我们处理的数据的范围内。不能把我们得到的回归方程任意扩大范围。比如，我们处理人的身高和体重，其身高在1.6—1.9米。它们的关系可以近似是一条直线，但是超出这个范围，例如身高2米以上，就可能就是一条曲线。
（3）由最小二乘法的解法，不难看出，x关于y的回归方程，与y关于x的回归方程不是互为反函数的关系。这在中学无需讨论，但教师应该有所了解。 （4）得到了回归方程bxay??后，可以用它来作预报和控制。预报是指给定x的值代入回归方程，得到y的预报值。控制是指，要求y达到某一确定的值，利用回归方程确定x的值问题二：回归分析能解决哪些问题？ 找出各数据之间的不确定关系，大致预测事物发展，模拟各种因素对因变量的影响等等最重要的用途是：高考要考！！！！！！！问题三：多元线性回归分析要解决的主要问题是什么 主要解决的是两组变量之间的因果关系问题四：多元线性回归分析的优缺点 问题五：统计学 回归分析解决的问题有哪些 回归分析研究的主要问题是：
（1）确定Y与X间的定量关系表达式，这种表达式称为回归方程；
（2）对求得的回归方程的可信度进行检验；
（3）判断自变量X对因变量Y有无影响；
（4）利用所求得的回归方程进行预测和控制。
回归分析的主要内容为：
①从一组数据出发，确定某些变量之间的定量关系式，即建立数学模型并估计其中的未知参数。估计参数的常用方法是最小二乘法。
②对这些关系式的可信程度进行检验。
③在许多自变量共同影响着一个因变量的关系中，判断哪个（或哪些）自变量的影响是显著的，哪些自变量的影响是不显著的，将影响显著的自变量入模型中，而剔除影响不显著的变量，通常用逐步回归、向前回归和向后回归等方法。
④利用所求的关系式对某一生产过程进行预测或控制。回归分析的应用是非常广泛的，统计软件包使各种回归方法计算十分方便。
在回归分析中，把变量分为两类。一类是因变量，它们通常是实际问题中所关心的一类指标，通常用Y表示；而影响因变量取值的的另一类变量称为自变量，用X来表示。问题六：应用直线相关与回归时应注意哪些问题 1、作回归分析要有实际意义，不能把毫无关联的两种现象，随意进行回归分析，忽视事物现象间的内在联系和规律；如对儿童身高与小树的生长数据进行回归分析既无道理也无用途。另外，即使两个变量间存在回归关系时，也不一定是因果关系，必须结合专业知识作出合理解释和结论。
2、直线回归分析的资料，一般要求应变量Y是来自正态总体的随机变量，自变量X可以是正态随机变量，也可以是精确测量和严密控制的值。若稍偏离要求时，一般对回归方程中参数的估计影响不大，但可能影响到标准差的估计，也会影响假设检验时P值的真实性。
3、进行回归分析时，应先绘制散点图（scatter plot）。若提示有直线趋势存在时，可作直线回归分析；若提示无明显线性趋势，则应根据散点分布类型，选择合适的曲线模型（curvilinear modal），经数据变换后，化为线性回归来解决。一般说，不满足线性条件的情形下去计算回归方程会毫无意义，最好采用非线性回归方程的方法进行分析。
4、绘制散点图后，若出现一些特大特小的离群值（异常点），则应及时复核检查，对由于测定、记录或计算机录入的错误数据，应予以修正和剔除。否则，异常点的存在会对回归方程中的系数a、b的估计产生较大影响。
5、回归直线不要外延。直线回归的适用范围一般以自变量取值范围为限，在此范围内求出的估计值称为内插（interpolation）；超过自变量取值范围所计算的称为外延（extrapolation）。若无充足理由证明，超出自变量取值范围后直线回归关系仍成立时，应该避免随意外延。问题七：一元线性回归能解决什么样的问题 也就能解决书上习题问题八：请问，【线性拟合】与【线性回归】的区别是什么？？ 线性回归就是线性拟合，在统计的意义上是等价的。拟合就是为了找到那条，对所有点来说，残差平方和最小的直线，线性回归也是。
回归是国外的讲法叫regression，命名的统计学家是想说，这些点都围绕在一条看不见的直线，直线周围的点若偏离的大了感觉就有回归直线，向直线靠拢的趋势。
拟合是国内的传统讲法，用一条直线代替样本点，以达到预测的作用。
最后说一下线性这个概念，比如拟合每天学习时间和高考成绩，可能就是线性的。
但若拟合收入高低和幸福指数，那很可能就不是了，因为不是说赚的越高越高兴，而且可能到了很高的水平，收入增加了很多，却幸福不起来，数据有可能是指数，有可能是二次函数，这些都归为非线性。主要是线性这个性质非常友好，大家喜闻乐见，所以有了很多转换公式，把非线性的数据变换成线性，拟合出来再反变换回去。问题九：下面哪些问题是回归分析要解决的问题 如果散点图中点的分布从整体看大致在一条直线附近，我们就称这两个变量之间具有线性相关关系，这条直线叫做回归直线．当所有数据点都分布在一条直线附近，显然这样的直线还可以画出许多条，而我们希望找出其中的一条，它能最好地反映x与Y的关系，换言之，我们要找出一条直线，使这条直线“最贴近”已知的数据点．
解：根据线性相关的意义知，当所有的数据在一条直线附近排列时，这些事件具有很强的线性相关关系．
∵从人体脂肪含量与年龄散点图中，能比较清楚的表示人体脂肪含量与年龄的相关性的回归直线是：l1，
由于图中的散点大都分布在此直线两边．

这个问题我还想问问老师呢