一元线性回归模型的参数检验.pptVIP

§2.3一元线性回归模型的统计检验 一、上节课内容的回顾 1、总体回归函数与样本回归函数 2、一元线性回归模型的参数估 最小二乘估计 3、正规方程组 4、一元线性回归模型参数最 小二乘估计的性质 模型 性质 总体回归模型 样本回归模型 回归对象 总体回归函数回归对象是 总体数据 样本回归函数回归对象是 样本数据 参数估计的内涵 总体回归函数的内涵是总体中 解释与被解释变量之间的结构 关系 样本回归函数的内涵是样本中解释与被解释变量之间的结构关系 计算方法与估计特点 总体回归模型是用求条件期望E(Y|X)方法求出参数估计值，参数估计值是不变的。 样本回归模型是用最小二乘方法求出参数估计值，参数估计值是随样本变化而变化的。 两者之间的内在联系 样本回归模型是总体回归函数的估计。有确定形式和随机形式。 总体回归模型是反映社会经济现象的内在规律，通常是未知的，样本回归函数反映的正是总体回归函数。有确定形式和随机形式两者形式。 红线表示总体回归函数，黑线表示样本回归函数 一元线性回归模型的估计：最小二乘估计 1、最小二乘估计的思想：样本回归线上的点 与真实观测值 的总体误差为最小，即样本点到回归直线的距离平方和为最小。 2、记住正规方程组 3、一元线性回归模型最小二乘估计的性质： 线性性、无偏性和有效性 一元线性回归模型的检验 一、假设检验的回顾 假设检验是根据研究的需要，对社会经济现象提出一个参数假设，然后利用样本数据构造统计量，判断这个假设是否成立的统计过程。 例如：某企业的人力资源部门估计该企业 80%的员工是有潜力可挖的，为了检验这一说法是否可靠，随机抽取150名员工，经过严格的考评，结果显示70%的员工存在不同程度的潜力，问当 时，“80%的员工尚存在潜力”是否成立。 问题的分析 该企业人力资源部门根据自身管理的需要提出了一个假设“80%的员工存在可挖的潜力”，我们把这个假设称为原假设，计为 ，它的对立面“没有80%的员工存在可挖的潜力”称为原假设的备择假设，计为 ， ，称为显著水平。现在我们来检验原假设对不对。 解： 构造并计算检验统计量，得： 问题分析 上式中z是服从标准正态分布的，其分布密度函数图像是 Z=-3.0581,在原假设成立下， z服从标准 正态分布， 或 的概率是0.05是小概率事件，根据小概率事件在一次试验不发生的原理，事件 不应该发生，现在发生了，故认为原假设不成立，因此我们拒绝原假设 故认为“80%的员工尚存在潜力”的说法不成立。 在上述检验中， 称为拒绝域，由于拒绝域在密度函数的两侧，故称上述检验为双侧检验。同样，若拒绝域在一边，这样的检验称为单侧检验。 二、拟合优度检验 在上一节课中，讲了例2.1.1，得到样本回归函数是， 表示居住这个社区的人，收入每增加一元钱，其消费将平均增加0.777元。但是现在这个模型还不能用，需要进行检验。对回归模型的检验主要有两个方面的检验：拟合优度检验和回归系数检验。 拟合优度检验是检验模型总体上拟合的好坏。 检验方法：（1）可决系数法 （2）F 检验 首先定义 总平方和 SST （1）