回归分析方法地理

① 回归分析法

回归分析法，是在研究矿坑涌水量与其影响因素存在一定相关关系后，提出的一种数理统计方法。矿坑涌水量是在各种自然和人为因素综合作用下有规律地变化着。影响矿坑涌水量变化的因素极其复杂繁多，甚至有些因素我们目前还没有发现，有些因素虽被发现但也无力调控和测定。因此，大量事实告诉我们，矿坑涌水量(称为因变量)与某些影响因素(称为自变量)的关系也存在数学中称之为相关的关系。回归分析法就是利用数学统计的方法，找出矿坑涌水量与影响因素之间的相关关系的数学表达式——回归方程，用求得的回归方程来预测矿坑涌水量。

回归分析法与水文地质比拟法的原理基本相同，都是寻求矿坑涌水量与其主要影响因素之间的关系表达式，并以这种寻找到的数学关系式来预测新的矿坑涌水量。所不同的是数学表达式的来源不同。水文地质比拟法，多数是根据经验提出，用起来方便灵活，缺点是缺乏严密性；回归分析法，是以已经有的实测数据为基础，通过数理统计的方法建立回归方程，其优点是可靠性较水文地质比拟法大一些，但计算较复杂。

应该注意的是，回归方程是一种非确定性的变量关系，严格地讲，它不允许外推。但具体工作中往往又需要外推，因此，回归方程外推的范围不宜过大。当回归方程为直线时，外推深度一般不应超过试验降深的1.5～1.75倍；当回归方程为曲线相关时，虽可适当增大外推范围，但一般也不宜超过2倍。同时，必须根据矿床具体的水文地质条件，检验外推结果是否合理。

几种常用的回归方程如下：

(一)二元直线相关

当矿坑涌水量与主要影响因素之间为直线相关关系时，其数学表达式为

Q=a+bs (4-5)

式中：Q为试验时的涌水量；S为当抽水量为Q时相对应的水位降深；a为常数；b为回归系数，它表示当S每增加1m时涌水量平均增加的水量数值。

a，b可根据试验数据利用最小二乘法求得

双层水位矿床地下水深层局部疏干方法的理论与实践

式中：

为试验时各次涌水量的算术平均值，即

；

为试验时各次降深的算术平均值，即

；n为试验观测次数。

根据求得的a，b系数值，便可写出回归方程。

(二)三元直线相关

如果矿坑涌水量与两个影响因素存在直线相关时，其数学表达式便为三元直线相关(比如降深S和时间t)：

Q=b₀+b₁S+b₂t (4-8)

式中：b₀为常数；b₁，b₂分别为水量Q对自变量S和t的回归系数；S，t为当矿坑涌水量为Q时的两个因素自变量；b₀，b₁，b₂可用最小二乘法确定；

。

双层水位矿床地下水深层局部疏干方法的理论与实践

根据求得的b₀，b₁，b₂可以写出三元直线方程。

(三)涌水量-降深曲线法(Q-S曲线法)

涌水量-降深曲线法也称涌水量曲线法，其实质就是利用抽(放)水的试验资料，建立涌水量(Q)和降深(S)之间的关系曲线方程，根据试验阶段和未来开采阶段水文地质条件的相似性，合理地把Q-S曲线外推，来预测矿坑涌水量。

大量试验资料证明，涌水量曲线一般有4种类型(图4-1)。

图4-1 涌水量-降深曲线图

(1)直线型

Q=bs

式中：

这种类型的曲线方程，一般表现为地下水流呈层流状态，抽水时水位降深与含水层厚度相比很小。

(2)抛物线型

S=aQ+bQ² (4-11)

双层水位矿床地下水深层局部疏干方法的理论与实践

(3)幂函数曲线型

双层水位矿床地下水深层局部疏干方法的理论与实践

(4)对数曲线型

Q=a+blgS (4-17)

式中：

双层水位矿床地下水深层局部疏干方法的理论与实践

上述各式中a，b均为待定系数，求出a，b后便可写出涌水量曲线方程。

一般情况下，图4-1中的2号曲线代表的是抛物线型曲线，它表示强富水性含水层在抽水强烈时，地下水抽水井附近出现三维流的情况下的曲线形态；第3，4两种类型曲线一般表示含水层规模较小，补给条件比较差情况下出现的曲线类型。

涌水量曲线方程的形态不但与含水层的规模、性质以及补给径流条件有关，而且与抽水强度的大小和抽水时间长短也有关系。因此，采用Q-S曲线方程法预测矿坑涌水量时，一般要求抽(放)水试验的规模尽量大一些，常采取大口径、大降深群孔抽(放)水试验，以求尽量符合未来的开采状态，充分揭露和显示其尽量多的水文地质条件，尽量波及矿床的各种边界，从而求取最大可能符合实际条件的矿坑涌水量。

② 如何运用Matlab进行地理加权回归分析

地理加权回归，由英国Newcastle大学地理统计学家A.S Fortheringham及其同事基于空间变系数回归模型并利用局部多项式光滑的思想提出的模型。模型公式如下：
其中(yi;xi1,xi2,…,xip)为在地理位置(ui,vi)处的因变量y和自变量x1,x2,…,xp的观测值(i=1,2,…,n).βj(ui,vi)(j=0,1,…,p)为观测点(ui,vi)处的未知参数,它是(ui,vi)的未知函,εi(i=1,2,…,n)为独立同分布的随机误差,通常假定其服从N(0,σ2).

③ 回归分析方法

§3.2 回归分析方法
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。
1. 一元线性回归模型
1) 一元线性回归模型的基本结构形式
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

ÿ 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

2) 参数a、b的最小二ÿ乘估计
参数a与b的拟合值：

,

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。
3) 一元线性回归模型的显着性检验
线性回归方程的显着性检验是借助于F检验来完成的。
检验统计量F：

误差平方和：

回归平方和：

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

[举例说明]
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着性检验。
解：
(1) 回归模型
将y和x的样本数据代入参数a与b的拟合公式，计算得：

故，国内生产总值与农业总产值之间的回归方程为

(2) 显着性检验

在置信水平α=0.01下查F分布表得：F0.01(1,46)=7.22。由于F=4951.098 >> F0.01(1,46)=7.22，所以回归方程（3.2.7）式在置信水平a=0.01下是显着的。

2. 多元线性回归模型
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。
1) 多元线性回归模型的建立
(1) 多元线性回归模型的结构形式
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：

为待定参数， 为随机变量。如果 分别为 的拟合值，则回归方程为

b0为常数， 称为偏回归系数。
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。

(2) 求解偏回归系数

,

2) 多元线性回归模型的显着性检验
用F检验法。
F统计量：

当统计量F计算出来之后，就可以查F分布表对模型进行显着性检验。
[举例说明]
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着性检验。

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

城市序号

公共交通营运额y/103人公里 人口数x1/103人 工农业总产值x2
/107元
1 6825.99 1298.00 437.26
2 512.00 119.80 1286.48
．．． ．．． ．．． ．．．
14 192.00 12.47 1072.27
注：本表数据详见书本P54。
解：
(1) 计算线性回归模型
由表3.2.1中的数据，有

计算可得：

故y与x1 及y2之间的线性回归方程

(2) 显着性检验

故：

在置信水平a=0.01下查F分布表知：F0.01(2,11)=7.21。由于F=38.722> F0.01(2,11)=7.21，所以在置信水平a=0.01下，回归方程式是显着的。

3. 非线性回归模型的建立方法
1) 非线性关系的线性化
(1) 非线性关系模型的线性化
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。
[几种非线性关系模型的线性化]

① 于指数曲线 ，令 ， ，将其转化为直线形式：
，其中， ；
② 对于对数曲线 ，令 ， ，将其转化为直线形式：
；
③ 对于幂函数曲线 ，令 ， ，将其转化为直线形式：
，其中，
④ 对于双曲线 ，令 ，将其转化为直线形式：
；
⑤ 对于S型曲线 ，将其转化为直线形式：

；
⑥ 对于幂函数乘积：

令 将其转化为直线形式：

其中， ；
⑦ 对于对数函数和：

令 ，将其化为线性形式：

(2) 建立非线性回归模型的一般方法
① 通过适当的变量替换将非线性关系线性化；
② 用线性回归分析方法建立新变量下的线性回归模型：
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性相关关系。
3) 非线性回归模型建立的实例

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来描述，即

例3：表3.2.2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。

表3.2.2某地区各个林地景观斑块面积（m2）与周长（m）

序号 面积A 周长P 序号 面积A 周长P
1 10447.370 625.392 42 232844.300 4282.043
2 15974.730 612.286 43 4054.660 289.307
．．． ．．． ．．． ．．． ．．． ．．．
41 1608.625 225.842 82 564370.800 12212.410

注：本表数据详见书本57和58页。

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

所以对表3.2.2中的原始数据进行对数变换，变换后得到的各新变量对应的观测数据如表3.2.3所示。

④ 回归分析的基本步骤是什么

回归分析：

1、确定变量：明确预测的具体目标，也就确定了因变量。如预测具体目标是下一年度的销售量，那么销售量Y就是因变量。通过市场调查和查阅资料，寻找与预测目标的相关影响因素，即自变量，并从中选出主要的影响因素。

2、建立预测模型：依据自变量和因变量的历史统计资料进行计算，在此基础上建立回归分析方程，即回归分析预测模型。

3、进行相关分析：回归分析是对具有因果关系的影响因素（自变量）和预测对象（因变量）所进行的数理统计分析处理。只有当自变量与因变量确实存在某种关系时，建立的回归方程才有意义。

因此，作为自变量的因素与作为因变量的预测对象是否有关，相关程度如何，以及判断这种相关程度的把握性多大，就成为进行回归分析必须要解决的问题。进行相关分析，一般要求出相关关系，以相关系数的大小来判断自变量和因变量的相关的程度。

4、计算预测误差：回归预测模型是否可用于实际预测，取决于对回归预测模型的检验和对预测误差的计算。回归方程只有通过各种检验，且预测误差较小，才能将回归方程作为预测模型进行预测。

5、确定预测值：利用回归预测模型计算预测值，并对预测值进行综合分析，确定最后的预测值。

Logistic Regression逻辑回归

逻辑回归是用来计算“事件=Success”和“事件=Failure”的概率。当因变量的类型属于二元（1 / 0，真/假，是/否）变量时，应该使用逻辑回归。这里，Y的值为0或1，它可以用下方程表示。

odds= p/ (1-p) = probability of event occurrence / probability of not event occurrence

ln(odds) = ln(p/(1-p))

logit(p) = ln(p/(1-p)) =b0+b1X1+b2X2+b3X3....+bkXk

在这里使用的是的二项分布（因变量），需要选择一个对于这个分布最佳的连结函数。它就是Logit函数。在上述方程中，通过观测样本的极大似然估计值来选择参数，而不是最小化平方和误差（如在普通回归使用的）。

以上内容参考：网络-回归分析

⑤ 常见的回归分析方法有哪些

1/6分步阅读
1.线性回归方法：通常因变量和一个（或者多个）自变量之间拟合出来是一条直线（回归线），通常可以用一个普遍的公式来表示：Y（因变量）=a*X（自变量）+b+c，其中b表示截距，a表示直线的斜率，c是误差项。如下图所示。

2/6
2.逻辑回归方法：通常是用来计算“一个事件成功或者失败”的概率，此时的因变量一般是属于二元型的（1 或0，真或假，有或无等）变量。以样本极大似然估计值来选取参数，而不采用最小化平方和误差来选择参数，所以通常要用log等对数函数去拟合。如下图。

3/6
3.多项式回归方法：通常指自变量的指数存在超过1的项，这时候最佳拟合的结果不再是一条直线而是一条曲线。比如：抛物线拟合函数Y=a+b*X^2，如下图所示。

4/6
4.岭回归方法：通常用于自变量数据具有高度相关性的拟合中，这种回归方法可以在原来的偏差基础上再增加一个偏差度来减小总体的标准偏差。如下图是其收缩参数的最小误差公式。

5/6
5.套索回归方法：通常也是用来二次修正回归系数的大小，能够减小参量变化程度以提高线性回归模型的精度。如下图是其惩罚函数，注意这里的惩罚函数用的是绝对值，而不是绝对值的平方。

6/6
6.ElasticNet回归方法：是Lasso和Ridge回归方法的融合体，使用L1来训练，使用L2优先作为正则化矩阵。当相关的特征有很多个时，ElasticNet不同于Lasso，会选择两个。如下图是其常用的理论公式。