一种应用线性回归方法的统计分析方法
【专利摘要】本发明公开了一种应用线性回归方法的统计分析方法，其特征在于包括：步骤一接收样本，从模块宿主处接收样本S，同时备份原样本S1；步骤二计算自变量A和计算因变量B，然后将数据转换为可绘制到图表的格式，根据数据计算表格的X轴刻度和Y轴刻度，计算绘制区域的大小与实际数据的比例关系；步骤三同时计算R平方和计算显著性水平；然后结合步骤二区域的大小与实际数据的比例关系，根据线性回归公式,生成线性回归线所需要的数据点；步骤四根据步骤三得到的数据点向主面板绘制线性回归线，为统计分析提供参考。该方法通过完成大量的数据统计工作，从而使评价人员最终理顺数据间的分布状态、数据的特征和变化规律、数据间的关系。
【专利说明】一种应用线性回归方法的统计分析方法
【技术领域】
[0001]本发明涉及一种应用线性回归方法的统计分析方法。
【背景技术】
[0002]学校的统计分析，是通过考评表在考评结束后对被统计、分析以及导出Excel表格、打印成标准的A4格式的文件和形成各种图表，图标的种类不少于5种，如折线图、柱形图、立体图、饼形图、雷达图等。然后基于人的查阅，直观评定。这样做非常不公平。如果不对获得的数据进行整理、分析，揭示出蕴含在数据中的问题。使得分析工作变得不公平。线性回归(Linear Regression)是利用称为线性回归方程的最小平方函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析。这种函数是一个或多个称为回归系数的模型参数的线性组合。为统计分析系统提供了技术支持。
【发明内容】
[0003]本发明针对以上问题的提出，而研制一种应用线性回归方法的统计分析方法。本发明采用的技术方案如下:
[0004]一种应用线性回归方法的统计分析方法，其特征在于包括如下步骤:
[0005]步骤一:接收样本，从模块宿主处接收样本S，同时备份原样本SI ；
[0006]步骤二:判断样本的数据合法性，当数据合法，计算自变量A和计算因变量B，然后将数据转换为可绘制到图表的格式，根据数据计算表格的X轴刻度和Y轴刻度，计算绘制区域的大小与实际数据的比例关系；如果数据不合法，结束操作，并给出无法生成线性回归的提不;
[0007]步骤三:同时计算R平方和计算显著性水平；然后结合步骤二区域的大小与实际数据的比例关系，根据线性回归公式，生成线性回归线所需要的数据点；
[0008]步骤四:根据步骤三得到的数据点向主面板绘制线性回归线，为统计分析提供参考。本方法为其宿主提供了一系列接口给外部调用，所以宿主可以是form或者webClient。
[0009]这种系统通过完成大量的数据统计工作，从而使评价人员最终理顺数据间的分布状态、数据的特征和变化规律、数据间的关系。
【专利附图】
【附图说明】
[0010]图1为本发明所述方法的具体实现流程图；
[0011]图2为本发明实施效果图。
【具体实施方式】
[0012]如图1和图2所示应用线性回归方法的统计分析方法包括如下步骤:
[0013]步骤一:接收样本,从模块宿主处接收样本S，同时备份原样本SI ；
[0014]步骤二:判断样本的数据合法性，当数据合法，计算自变量A和计算因变量B，然后将数据转换为可绘制到图表的格式，根据数据计算表格的X轴刻度和Y轴刻度，计算绘制区域的大小与实际数据的比例关系；如果数据不合法，结束操作，并给出无法生成线性回归的提不;
[0015]步骤三:同时计算R平方和计算显著性水平；然后结合步骤二区域的大小与实际数据的比例关系，根据线性回归公式，生成线性回归线所需要的数据点；
[0016]步骤四:根据步骤三得到的数据点向主面板绘制线性回归线，为统计分析提供参考。
[0017]本发明具体实现如下:
[0018]在接收样本时，本方法(由SilverLight实现)为其宿主提供了一系列接口给外部调用，所以宿主可以是form或者webClient中的任意一种.在客户端中，宿主窗体通过实例名.方法来进行参数传递和交互.而在web开发的系统中，是以js脚本来传参和交互.这样做的目的是为了提高本方法组件的移植性.[0019]WEB 端调用:
[0020]
var slCtl = sender.getHost ();
slCtl.Content.Chart.SetMapInfo ({
charttype: myChartType,
TableName: tName
})；
[0021]Form 端调用:`
[0022]
Chart.ChartMain cm = new Chart.ChartMainO ;
cm.SetMapInfo(new Chart.Models.ChartInfo{ chartType =Chart.ToolClass.ChartType.Piechart, TableName = 〃测试表 A〃});
[0023]接收样本之后，需要对样本是否附合或者有足够的样本来计算绘制出正态分布图表.由正态分布特征得知:正态分布具有集中性，对称性和均匀变动性.而当样本数量过少时(如长度为2的数组{30，50})便不能满足正态分布的数据要求.所以此时方法会向样本中按照当前样本的走势，补足足够数量的虚拟样本.[0024]样式加工完成后，则进入主要计算环节.根据正态分布曲线性质:
[0025]1.当χ〈μ时，曲线上升；当χ>μ时，曲线下降。当曲线向左右两边无限延伸时，以X轴为渐近线。
[0026]2.正态曲线关于直线χ=μ对称。
[0027]3.σ越大，正态曲线越扁平；σ越小，正态曲线越尖陡。
[0028]4.在正态曲线下方和X轴上方范围内区域面积为I。3 σ原则:P(μ - σ <X ^ μ +σ )=68.3%Ρ ( μ _2 σ〈X < μ +2 σ )=95.4%Ρ ( μ _3 σ〈X < μ +3 σ )=99.7%
[0029]举例绘制正态分布的方法:
[0030]某地1993年抽样调查了 100名18岁男大学生身高(cm)，其均数=172.70cm，标准差s=4.01cm，①估计该地18岁男大学生身高在168cm以下者占该地18岁男大学生总数的百分数分别求X+-ls、X+-l.96s、X+-2.58s范围内18岁男大学生占该地18岁男大学生总数的实际百分数，并与理论百分数比较。
[0031]本例，μ、σ未知但样本含量η较大，按式(3.1)用样本均数X和标准差S分别代替μ和σ，求得u值，U= (168-172.70)/4.01=-1.17。查附表标准正态曲线下的面积，在表的左侧找到-1.1，表的上方找到0.07，两者相交处为0.1210=12.10%。该地18岁男大学生身高在168cm以下者，约占总数12.10%。
[0032]其它计算结果见[表3]。
[0033][表3]100名18岁男大学生身高的实际分布与理论分布
【权利要求】
1.一种应用线性回归方法的统计分析方法，其特征在于包括如下步骤: 步骤一:接收样本，从模块宿主处接收样本S，同时备份原样本SI ； 步骤二:判断样本的数据合法性，当数据合法，计算自变量A和计算因变量B，然后将数据转换为可绘制到图表的格式，根据数据计算表格的X轴刻度和Y轴刻度，计算绘制区域的大小与实际数据的比例关系；如果数据不合法，结束操作，并给出无法生成线性回归的提示； 步骤三:同时计算R平方和计算显著性水平；然后结合步骤二区域的大小与实际数据的比例关系，根据线性回归公式，生成线性回归线所需要的数据点； 步骤四:根据步骤三得到的数据点向主面板绘制线性回归线，为统计分析提供参考。
2.根据权利要求1所述的一种应用线性回归方法的统计分析方法，其特征在于本方法为其宿主提供了一系列接口给外部调用，所以宿主可以是form或者webClient。
【文档编号】G06F19/00GK103559402SQ201310555117
【公开日】2014年2月5日 申请日期:2013年11月7日 优先权日:2013年11月7日
【发明者】李军, 王世盛, 迟宝华 申请人:大连东方之星信息技术有限公司