迴歸分析的統計推論.pptVIP

社會統計（上） 簡單迴歸模型的基本假設 簡單迴歸模型的基本假設 簡單迴歸模型的基本假設 簡單迴歸模型的基本假設 linearity :假設依變項Yi與自變項之間的關係為線性： Residuals Sum to Zero 殘差值與xi不相關 殘差值與xi不相關 No serial correlation: ei彼此不相關 區分母體與樣本迴歸線 由於我們是從樣本中來估計迴歸線，用來估計迴歸線的截距b0及斜率b1 的估計式(estimator) 為具有抽樣分配(sampling distribution)的隨機變數。 截距與斜率的抽樣分配 我們想進一步知道從樣本中估計的截距b0及斜率b1 是不是能夠正確的反映出母體的參數B0及B1。雖然每一次從樣本中估計出來的迴歸線都不同，但我們如果我們知道估計式的抽樣分配，則可以用統計檢定的方式來對我們的樣本參數進行統計的推估。 因此我們第一步需要知道為截距b0及斜率b1 的抽樣分配為何？也就是說他們的期望值及標準差為何？ 迴歸的統計檢定 統計檢定包含兩部分: (1)對截距與斜率的檢定 (2)迴歸方程式的配適度 區分母體與樣本迴歸線 區分母體與樣本迴歸線 因此每一個實際的觀察值可以表為母體迴歸線的函數或是樣本迴歸線的函數 截距與斜率的抽樣分配 其中截距β0及斜率β1 為參數，xi為已知常數，且 斜率b1的抽樣分配 b1分配的型態為何？E(b1) =? Var(b1)=? 斜率b1的抽樣分配 E(b1) =? 斜率b1的抽樣分配 斜率b1的抽樣分配 斜率b1的抽樣分配 斜率b1的抽樣分配 斜率b1的抽樣分配 斜率b1的抽樣分配 Estimation of σe2 令真正的變異數(true variance)可分別表為σ2b0及σ2b1。 一般而言， σ2b0及σ2b1通常為未知數(因為σ2未知)，必須從樣本中估計求得，以符號S2b0及S2b1來表示估計的變異數。同理，我們以σb0及σb1來表示b0及b1的真正標準誤差，以Sb0及Sb1來表示估計的標準誤差(estimated standard error) 。 Estimation of σe2 Estimation of σe2 Estimation of σe2 Estimation of σe2 Estimation of σe2 Estimation of σe2 Estimation of σe2 公式整理 Estimation of σe2 Estimation of σe2 Estimating standard error of b0 and b1 截距b0及斜率b1的變異數的公式 Estimating standard error of b0 and b1 由於σ2未知 Hypothesis Testing in the Linear Regression Model 若以S2e來推估?2，則 Hypothesis Testing in the Linear Regression Model 在迴歸的統計檢定中，我們想要知道自變數x是否對於解釋y有用，也就是說x與y之間是否具有線性關係？ Hypothesis Testing in the Linear Regression Model 我們要檢驗下列的虛擬假設： Hypothesis Testing in the Linear Regression Model 我們也可以檢驗斜率等於某特定值β*： Hypothesis Testing in the Linear Regression Model 斜率的單邊假設檢定： Hypothesis Testing in the Linear Regression Model 斜率的單邊假設檢定： Hypothesis Testing in the Linear Regression Model 斜率的雙邊假設檢定： 例題 上例收入與支出的關係，以α=.01檢定H0: β1 = 0 vs. β1 0 例題 上例收入與支出的關係，以α=.05檢定H0: β1 = .90 vs. β1 ≠.90 截距的檢定例題 續上例，以α=.05檢定H0: β0 = 0 vs. β0 ≠0 Confidence Intervals for the Regression Coefficients t依循自由度為(n-2)的t分配: Confidence Intervals for the Regression Coefficients 上述公式指出，如果我們重複抽樣來計算樣本迴歸線的斜率，則β1的值有100(1-α)%的機率會落於以下區間： 例題 求下列迴歸線斜率的90%信賴區間，(n=10): 迴歸方程式的解釋力 當我們計算出迴歸線後，我們