您好、欢迎来到现金彩票网!
当前位置:ds视讯 > 非线性导航 >

使用线性回归优缺点

发布时间:2019-07-04 14:47 来源:未知 编辑:admin

  可选中1个或多个下面的关键词,搜索相关资料。也可直接点“搜索资料”搜索整个问题。

  回归分析方法,是研究要素之间具体的数量关系的一种强有力的工具,能够建立反映地理要素之间具体的数量关系的数学模型,即回归模型。

  假设有两个地理要素(变量)x和y,x为自变量,y为因变量。则一元线性回归模型的基本结构形式:

  a和b为待定参数;α=1,2,…,n为各组观测数据的下标; εa为随机变量。如果记a^和b^ 分别为参数a与b的拟合值,则得到一元线性回归模型

  ?? 是y 的估计值,亦称回归值。回归直线——代表x与y之间相关关系的拟合直线) 参数a、b的最小二??乘估计

  建立一元线性回归模型的过程,就是用变量 和 的实际观测数据确定参数a和b的最小二乘估计值α^和β^ 的过程。

  F≈F(1,n-2)。在显著水平a下,若 ,则认为回归方程效果在此水平下显著;当 时,则认为方程效果不明显。

  例1:在表3.1.1中,将国内生产总值(x1)看作因变量y,将农业总产值(x2)看作自变量x,试建立它们之间的一元线性回归模型并对其进行显著性检验。

  在多要素的地理系统中,多个(多于两个)要素之间也存在着相关影响、相互关联的情况。因此,多元地理回归模型更带有普遍性的意义。

  假设某一因变量y受k 个自变量 的影响,其n组观测值为 。则多元线性回归模型的结构形式:

  偏回归系数 ——当其它自变量都固定时,自变量 每变化一个单位而使因变量xi平均改变的数值。

  例2:某地区各城市的公共交通营运总额(y)与城市人口总数(x1 )以及工农业总产值(x2)的年平均统计数据如表3.2.1(点击展开显示该表)所示。试建立y与x1及x2之间的线性回归模型并对其进行显著性检验。

  表3.2.1 某地区城市公共交通营运额、人口数及工农业总产值的年平均数据

  对于要素之间的非线性关系通过变量替换就可以将原来的非线性关系转化为新变量下的线性关系。

  ③ 通过新变量之间的线性相关关系反映原来变量之间的非线) 非线性回归模型建立的实例

  景观是地理学的重要研究内容之一。有关研究表明(Li,2000;徐建华等,2001),任何一种景观类型的斑块,其面积(Area)与周长(Perimeter)之间的数量关系可以用双对数曲线给出了某地区林地景观斑块面积(Area)与周长(Perimeter)的数据。试建立林地景观斑块面积A与周长P之间的双对数相关关系模型。

  解:因为林地景观斑块面积(A)与周长(P)之间的数量关系是双对数曲线形式,即

http://green-core.net/feixianxingdaohang/617.html
锟斤拷锟斤拷锟斤拷QQ微锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷微锟斤拷
关于我们|联系我们|版权声明|网站地图|
Copyright © 2002-2019 现金彩票 版权所有