经济应用统计学-第七章相关与回归分析.ppt

应用线性回归应注意的几个问题 在定性分析的基础上进行定量分析，是正确运用回归分析的必要条件。 回归预测适宜于内插预测，不宜用于超过一定范围的外推预测。 在回归预测中，回归系数的绝对值只说明自变量变动的比例，不表示变动的密切程度，因为回归系数的大小受变量计算单位大小的影响。 在进行回归分析时，为了使分析结果更准确、可靠、应对所建立的回归模型进行必要的统计检验。 一元线性回归模型的检验 检验目的 总体 ? 是否如同 r ？ 显著性检验：相关系数的检验(t 检验) 提出假设； 确定检验统计量； 给定显著性水平，确定临界值； 确定原假设的拒绝规则； 计算检验统计量并做出决策。 检验程序 一元线性回归模型的检验 显著性检验：相关系数的检验(t 检验) 学生 身高 体重 估计值 A B C D E F G H I J 158 160 162 164 166 168 170 172 174 176 47 50 48 55 62 60 52 61 70 65 24964 25600 26244 26896 27556 28224 28900 29584 30276 30976 2209 2500 2304 3025 3844 3600 2704 3721 4900 4225 7426 8000 7776 9020 10292 10080 8840 10492 12180 11440 47.29 49.45 51.61 53.76 55.92 58.08 60.24 62.39 64.55 66.71 -9.71 -7.55 -5.39 -3.24 -1.08 1.08 3.24 5.39 7.55 9.71 -10 -7 -9 -2 5 3 -5 4 13 8 1670 570 279220 33032 95546 - 0 0 检验统计量落入拒绝域中，故拒绝原假设，接受备择假设。即可以认为 ? 明显地不等于零，相关关系是显著的。 回归分析中我们最关心的是：X 与 Y 是否有真正的相关关系。 即： 一元线性回归模型的检验 显著性检验：回归系数的检验(t 检验) 一元线性回归模型的检验 提出假设； 确定检验统计量； 给定显著性水平，确定临界值； 确定原假设的拒绝规则；接受域： 计算检验统计量并做出决策。 显著性检验:回归系数的检验(t 检验) 检验程序 学生 身高 体重 估计值 A B C D E F G H I J 158 160 162 164 166 168 170 172 174 176 47 50 48 55 62 60 52 61 70 65 24964 25600 26244 26896 27556 28224 28900 29584 30276 30976 2209 2500 2304 3025 3844 3600 2704 3721 4900 4225 7426 8000 7776 9020 10292 10080 8840 10492 12180 11440 47.29 49.45 51.61 53.76 55.92 58.08 60.24 62.39 64.55 66.71 -9.71 -7.55 -5.39 -3.24 -1.08 1.08 3.24 5.39 7.55 9.71 -10 -7 -9 -2 5 3 -5 4 13 8 1670 570 279220 33032 95546 - 0 0 检验统计量落入拒绝域中，故拒绝原假设，接受备择假设。即可以认为 b 明显地不等于零，X 与 Y 是显著的。 一元线性回归模型的检验 检验所建立的回归方程是否在整体上显著，也就是进一步检验 x与y之间是否存在线性关系 显著性检验：回归方程的检验(F检验) 提出假设； 确定检验统计量； 给定显著性水平，确定临界值； 确定原假设的拒绝规则； 计算检验统计量并做出决策。 一元线性回归模型的检验 检验程序 显著性检验：回归方程的检验(F检验) 故拒绝原假设，接受备择假设，即认为回归方程是显著的。 第五节 多元线性回归分析 河北大学统计学系 多元线性回归分析的概念和特点 研究一个因变量与两个或两个以上自变量之间相互关系的理论和方法，称为多元回归或复回归。 回归 分析 分类 按自变量个数分类 一元回归简单回归 多元回归复回归 按方程式特征分类 线性回归 非线性回归 多 元线性回归 多元线性回归模型的建立 多元线性性回归模型的一般式为： 多元线性回归模型的检验 为了保证回归分析的可靠性，在建立了多元线性回归模型以后，也要进行拟合程度和显著性检验。 多元线性回