回归分析;121案例研究.pptVIP

第十二章 回归分析§12.1案例研究  §12.2 简单线性回归 回归分析（Linear Regression）是一种可以用来推导变量之间关系的数学等式的统计方法。在回归术语里，所预测的变量成为因变量，而用于预测因变量的值的变量被称为自变量。涉及一个自变量和一个因变量间的关系被称为一元回归分析。涉及到两个或两个以上的自变量的回归分析被称为多元回归分析。 §12.3 用Excel做简单回归分析1 利用Excel的函数进行回归分析 2 利用Excel的数据分析宏进行回归分析 §12.4 多元线性回归问题1多元线性回归原理 §12.5 回归模型的检验 §12.6 残差分析 1 线性的判断 2 正态性检验 因为残差是误差的估计。所以我们把正态性检验归纳为残差是否近似地服从正态分布，或者标准化残差是否近似服从标准正态分布来判断。 Excel的回归输出表中可以选定是否输出残差与标准残差部分，只需要在“回归”对话框内的“残差”部分选择“残差”和“标准残差”两项就可以输出了 3 等方差性 残差散点图可以反映误差的等方差性。假如误差或残差确实是等方差的，那么残差的离散状况应该几乎差不多。 * * 分析讨论： 1.如何绘制散点图？如何通过散点图来说明两个变量之间的关系形态？ 2.所建立的回归方程中回归系数的含义？ 3.如何使用Excel工具来拟合变量之间的回归直线？ 线性回归方程的相关性是衡量变量之间线性关系的指标。相关系数可以由下列公式得出： 多元回归模型的一般式如下： 在回归模型中最常用的显著性检验方法有：相关系数检验法、F检验法和t检验法。 相关系数和判定系数 F统计量 T统计量 残差分析是一种图形技巧，用来评估有关回归模型的假设，从而确定我们拟合的回归模型是否合适。 当拟合回归模型后，检查残差来确定模型对数据和回归假设的拟合程度是有价值的。回归模型有四种假设： （1）因变量与自变量之间的关系主要是线性形式； （2）模型中的误差互为独立； （3）这些误差服从正态分布； （4）它们的方差是相等的，或称误差具有等变异性。 所谓残差图，是残差相对每个自变量所作的平面图。回归模型有多少个自变量就有多少个残差图。如果线性模型与数据拟合很好，那么残差应该是误差的良好估计。因此在残差图中，残差应该不会呈现出任何有规律的式样。如果线性模型不合适，比如因变量与自变量之间可能存在某种其他的函数关系，那么残差图中就有可能呈现出这种函数关系。 残差图明显呈现出二次曲线的形式，因此我们可以假设因变量与自变量之间或许存在二次函数关系，有必要在模型中引入二次函数项。 的二次函数项。 * *