8.2.3一元线性回归模型的应用教学设计（高中数学选择性必修第三册）

8.2.3一元线性回归模型的应用教学设计（高中数学选择性必修第三册）一、教材分析与课标定位本节内容位于人教A版选择性必修第三册第八章第二节第三课时。前一课时学生已经建立一元线性回归模型的基本形式，掌握了最小二乘法的参数估计原理，能够计算经验回归方程。本课时的核心任务在于引导学生从“会算”走向“会用”，即能够针对实际背景下的成对数据，合理选择变量、建立模型、进行预测，并对预测结果作出科学解释与评价。《普通高中数学课程标准（2017年版2020年修订）》对本节内容的要求是：结合具体实例，掌握一元线性回归模型的应用，能够利用模型进行预测，体会统计思维与确定性思维的差异。课标特别强调数据分析素养的培养，要求学生在真实情境中经历“收集数据—建立模型—作出预测—评估效果”的完整统计活动过程。基于上述分析，本课时的教学重点确定为：经验回归方程在实际问题中的规范应用流程；教学难点确定为：残差分析的意义理解以及模型适用性的判断。突破难点的关键策略是借助真实数据的可视化呈现，让学生直观感受到残差图中的规律性信息，从而理解残差分析的价值。二、学情诊断与教学对策授课对象为高二年级选考物理或历史的混合班级，学生已完成必修课程中统计与概率的基础学习，具备平均数、方差、散点图等基本概念。通过前两课时的学习，学生已经掌握最小二乘法的计算过程，能够利用计算工具求出经验回归方程。但存在三个典型的学习障碍：其一，学生习惯将回归方程当作确定性函数，忽略随机误差项的存在；其二，学生在进行预测时缺乏区间意识，只给出点预测值；其三，学生对模型适用的范围没有警觉，往往将回归方程随意外推。针对上述学情，教学对策如下。第一，通过两个对比案例让学生体会回归方程的随机性本质。第二，在课堂教学中引入残差表与残差图的制作过程，让学生亲眼看见残差的变化形态。第三，设计一个跨越合理范围的预测任务，制造认知冲突，从而建立“回归方程只在样本数据范围内可靠”的边界意识。三、教学目标与核心素养指向知识技能目标，学生能准确写出样本中心点的坐标与回归方程的关系，能够独立完成从数据收集到残差分析的全过程。过程方法目标，学生经历“发现问题—建立模型—检验模型—应用模型”的统计活动，体会数据分析的完整流程。情感态度目标，学生感悟统计思维的科学价值，形成基于数据说话的理性精神。核心素养指向具体明确。数学抽象素养体现在从实际问题中提取变量并明确变量关系。数据分析素养体现在运用散点图、残差图对数据进行可视化分析。数学建模素养体现在选择合适模型刻画现实关系并进行预测。数学运算素养体现在准确计算回归系数与残差值。四、教学流程设计（一）情境导入，唤醒经验课堂起始阶段，投影展示一组某地区2018年至2025年居民人均可支配收入与人均消费支出的数据表。数据共八对，呈现明显的正相关趋势。教师提出两个问题：在不进行任何计算的前提下，你能预测2026年人均消费支出的大致范围吗？这种预测的依据是什么？学生回答后，教师追问：如果我们想要更精确地预测，需要借助什么工具？学生自然联想到经验回归方程。由此引出课题，板书本节标题。该情境选取贴近学生生活现实的统计数据，能够迅速激活学生对相关性的直觉认识。同时，设置“不计算直接预测”的任务，让学生感受到经验判断的局限性，从而产生学习精确预测方法的内在需求。（二）回归方程的构建与预测教师给出该地区数据的完整表格，包含年份序号x（1至8）与人均消费支出y（单位：千元）。请学生利用计算器或图形计算器，独立求出经验回归方程。学生完成后，教师选取一位学生的作答过程投影展示，并组织全班校验计算结果。样本中心点坐标为(4.5，28.4)，计算得回归系数b约等于2.86，截距a约等于15.53，故经验回归方程为y=2.86x+15.53。教师随即提出任务：请利用所得方程，预测该地区2026年的人均消费支出。学生将x=9代入，得到预测值41.27千元。教师追问：这个预测值是精确值吗？有学生回答“是”，有学生犹豫。教师顺势引导学生观察回归方程的结构形式，回顾其中的随机误差项。学生意识到，经验回归方程给出的是条件均值E(y|x)的估计，而非确定的函数值。因此，41.27千元应该理解为平均水平的估计，实际值可能偏高或偏低。此环节中，教师故意不主动纠正“预测值等于真实值”的错觉，而是通过追问让学生自行发现矛盾。这种认知冲突的设计能够有效促使学生从确定性思维转向统计思维。（三）残差分析，检验模型适配性教师提出问题：我们建立的回归模型是否适用于该组数据？如何检验？学生小组讨论后，有学生提出计算每个样本点与回归估计值之间的差距。教师顺势给出残差定义，即残差e_i=y_iy_i^，其中y_i^为第i个样本点的回归估计值。教师组织学生计算完整的残差表，包含原始数据x_i、y_i、预测值y_i^、残差e_i。学生完成残差表后，教师引导学生在方格纸上绘制残差图，以样本序号x为横轴，残差e为纵轴，描出八个残差点。画好后，教师请学生观察残差点的分布规律。绝大多数学生发现，残差点在e=0的水平线附近随机散布，无明显的上升或下降趋势，也无明显的弯曲形态。教师总结：当残差图中点的分布呈现出随机性时，说明线性模型对数据的拟合效果较好。年份序号人均消费支出（千元）回归预测值残差117.818.390.59221.321.250.05324.124.110.01426.526.970.47529.829.830.03633.232.690.51735.635.550.05839.138.410.69（四）模型适用范围的边界讨论教师呈现一个新的场景：已知该地区2010年人均消费支出为8.2千元，请利用我们建立的方程计算那时的预测值。学生将x=1代入（2010年对应年份序号为1），得到预测值12.67千元。教师追问：这个结果可信吗？有学生犹豫，有学生说不准。教师进一步展示实际数据：2010年该地区人均消费支出确实为8.2千元，与预测值12.67千元相差甚远。此时课堂出现明显的认知冲突。教师组织学生讨论原因。在小组讨论与全班交流的基础上，学生归纳出：我们用来建模的样本数据区间是2018年至2025年，对应的x范围为1到8。当x=1时，已经完全超出了样本数据的取值范围。在该区间外，消费支出与年份之间是否仍然保持线性关系，我们没有证据。因此，将回归方程外推到样本范围之外，可能产生严重的偏差。教师进行总结性表述：经验回归方程只适用于样本数据所覆盖的自变量区间，任意超出该范围的外推预测都缺乏数据支撑。这是回归模型应用中的法则之一。同时，教师提醒学生，即使x在样本范围内，预测值依然存在不确定性，只是这种不确定性相对可控。点预测应该辅以置信区间的概念（本课时不要求计算，但应建立意识）。（五）变式训练与深度巩固教师布置课堂练习。题目为：某工厂研究生产温度x（摄氏度）对某产品合格率y（百分比）的影响，进行了十次试验，得到数据并计算出经验回归方程为y=0.42x+63.8，样本数据的x范围为15至45摄氏度，样本中心点为(30，76.4)。（1）若生产温度为35摄氏度，估计产品合格率为多少？（2）若生产温度为60摄氏度，这个回归方程还能使用吗？请说明理由。（3）实际试验中，温度35摄氏度时测得合格率为81.2%，请计算该点的残差。学生独立完成后，教师组织同桌互批。第（1）题，将35代入方程得到预测值78.5%。第（2）题，60摄氏度超出样本范围，不能直接使用该方程。第（3）题，残差e=81.2%78.5%=2.7%，说明该温度条件下实际合格率比模型预测高出2.7个百分点。此题的设计价值在于，将本节课的三个核心知识点（预测计算、适用范围、残差计算）整合在一个具体情境中。教师巡视发现，大部分学生能够正确完成（1）和（3），但部分学生在第（2）题上给出了“可以使用”的错误答案，理由是“温度越高合格率越高，符合趋势”。教师针对这一典型错误，再次强调回归方程不能作为既定趋势向样本范围外推广的依据。（六）实际案例：广告投入与销售额为进一步强化学生综合应用能力，教师呈现第二个完整案例。某连锁餐饮企业记录了其八个季度的广告投入x（万元）与对应季度销售额y（万元）数据：季度序号广告投入（万元）销售额（万元）112128215140318158421171524186627202730215833231学生小组合作过程中，教师巡回指导。散点图展示后，学生一致认为呈明显的正线性相关。计算过程中，样本中心点为(22.5，178.875)，计算得回归系数b约等于5.12，截距a约等于63.82，方程为y=5.12x+63.82。残差图显示各残差点在e=0两侧随机分布，最大绝对残差不超过3万元，线性拟合良好。将x=36代入，得到预测值为248.14万元。小组汇报环节，教师集中在三个问题上展开讨论。第一，为什么需要使用残差分析而不是只看散点图？学生回应：散点图只能粗略观察整体趋势，残差图能够更精细地揭示模型在各局部区域的拟合效果。第二，若下一季度的广告投入增加到36万元，这个预测的可靠性有多高？学生讨论后认为，36万元超出了样本数据中广告投入的最大值33万元，属于轻度外推，需要谨慎对待。第三，是否存在其他因素会影响销售额？这一案例的价值在于，学生经历了一个完整的回归分析过程，而非机械套用公式。小组合作的形式让不同水平的学生都能参与其中，计算能力强的学生负责回归系数推导，制图能力强的学生负责绘制残差图，表达能力强的小组代表负责汇报结论。五、教学反思与评价设计本课时的教学以“问题链”为主线，层层递进。从直观预测到精确计算，从点估计到残差检验，从样本内预测到样本外推的边界警示，学生的思维层次不断加深。在课堂观察中发现，学生对残差图的理解存在从“看形态”到“读信息”的跨越过程。部分学生在初次绘制残差图时，只关注残差点距离e=0线有多远，而忽略了点的整体分布形态是否具有规律性。教师通过对比展示“随机分布残差图”与“具有弯曲趋势残差图”帮助学生建立判别标准。评价设计分为课堂即时评价与课后延伸评价两个维度。课堂即时评价主要通过提问、小组汇报、练习反馈三种方式实现。课后延伸评价布置一份实践性作业：学生从教材题库或教师提供的数据集中选择一组具有线性相关性的数据，自主完成散点图绘制、回归方程求解、残差分析、预测评估的完整流程，并撰写一份简洁的数据分析报告。六、作业与拓展设计基础作业：教材第112页习题8.2第3题、第4题。这两个题目分别对应回归方程预测与残差计算的巩固性训练。提高作业：某地区近十年粮食产量与施肥量数据给定，要求学生独立完成全部分析步骤，并思考：如果施肥量继续增加，粮食产量是否一定持续线性增长？请结合生活实际给出理由。此题不仅考查操作层面，还引导学生思考模型背后的现实约束。拓展阅读：教师推荐学生阅读有关“统计建模误用案例”的科普文章，了解历史上因回归模型外推导致的错误决策案例。这一拓展任务旨在培养学生的统计批判意识。七、板