管理统计学 教学课件 作者 雷怀英 第七章.pptVIP

7.4 应用案例及软件操作程序 （3）将人均消费支出送入右边因变量的对话框，将人均工资性收入与分工资性收入送入右边自变量对话框，单击OK，在输出窗口即可得到表7.3，7.4和7.5的回归结果。 从表7.3可知回归模型拟合程度 ， ， 接近1，说明模型拟合程度较高。 7.4 应用案例及软件操作程序 表7.4表明F统计量的值为340.676，利用SPSS统计软件进行回归分析，可以不进行查表，直接依据F统计量对应的Sig的值做出判断，若Sig的值小于0.05，则认为回归模型整体显著。否则，认为所建立的回归模型整体不显著。可见本例中F值所对应的Sig的值小于0.05，模型整体显著。 7.4 应用案例及软件操作程序 表7.3 Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .992a .984 .981 13.02167 a. Predictors: (Constant), 人均非工资性收入, 人均工资性收入 表7.4 ANOVAb Model Sum of Squares df Mean Square F Sig. Regression 115532.669 2 57766.335 340.676 .000a Residual 1865.201 11 169.564 Total 117397.871 13 a. Predictors: (Constant), 人均非工资性收入, 人均工资性收入 b. Dependent Variable: 人均消费支出额 7.4 应用案例及软件操作程序 表7.5 Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 84.231 26.567 3.171 .009 人均工资性收入 .709 .074 .576 9.559 .000 人均非工资性收入 .667 .084 .476 7.903 .000 a. Dependent Variable: 人均消费支出额 7.4 应用案例及软件操作程序 表7.5是回归模型的输出结果，回归系数的T检验也可 以直接通过Sig的值与0.05作比较，若Sig0.05，说明回归 系数通过T检验，回归系数不等于0。从7-5可知， 、 均通过T检验，所构建的回归模型为： 所建立的回归模型能通过各种检验，故可用于预测分析，若已知该地区1999年人均工资性收入为755.72元，人均非工资性收入为454.98元，则1999年该地区的人均消费支出预测值为： 7.4 应用案例及软件操作程序 本章小结 　1．相关分析是研究一个变量与另一个变量之间相关关系密切程度和相关方向的一种统计分析方法。相关分析的主要工具是相关系数。 　2．相关系数的取值介于-1与1之间，其绝对值越接近于1，相关程度越高，相关系数为0，表明两变量不存在线性相关关系。 　 本章小结 3．一元线性回归模型的回归系数利用最小二乘法来估计，其计算公式为： 　 4．回归系数通不检验的原因可能是： 一是选择的自变量对因变量y事实上并无显著影响。 二是所选择的自变量具有多重共线性。 本章小结 5．判定系数 来进进行拟合优度检验， 越接近于1，说明模型对样本数据的拟合程度越高，模型的预测效果越佳。 6．回归分析时，在遇到下列情况之一时往往表明多 重共线性存在。 （1）回归模型的F检验通过，而有的回归系数的t检验未通过。 （2）模型中增加或删除一个自变量，回归系数的估计值有 较大的变化。 （3）回归系数估计值的符号与实际经济判断的相反。 （4）简单相关系数矩阵中，两个自变量之间的相关系数值较大。　　 通常，简单相关系数r0.7时，应考虑有多重共线性存在。 * * * * * * 124 Note: 1. As we move farther from the mean, the bands get wider. 2. The prediction interval bands are wider. Why? (extra Syx) 　　　7.2.5回归系数的估计 1、回归系数的估计 最小二乘法的基本思想是，要找到参数 和β的估计值 和 使得残差平方和为最小。 2008年8月 x y (xn , yn) (x1 , y1) ? ? ? ? ? ? ? ?