徐国祥《统计学》教学课件【荐】.pptVIP

可决系数是衡量自变量对因变量变动的解释程度的指标，它取决于回归方程所解释的 y 的总离差的百分比。可决系数的公式定义为： 的取值介于0和1之间。在实践中， 常用与模型的比较，往往采用 最高的模型，因为 高，就意味着该模型把 y 的变动解释得好。 返回本章 返回总目录 估计标准误差（SE） 估计标准误差是回归模型（即估计值）与因变量观测值之间得平均平方误差。这个误差的值越小，说明估计值越接近真实值，回归模型的拟合度越好。估计标准误差的计算公式为： 作为回归模型拟合优度的评价指标，估计标准误差显然不如可决系数。因为可决系数是无量纲的系数，并且有确定的取值范围（0~1），便于对不同资料回归模型拟合优度的比较。 返回本章 返回总目录 （2）显著性检验 通常回归模型的显著性检验包括系数的检验和方程整体的检验两个部分。 回归系数的显著性检验是指根据样本计算结果对总体回归系数有关假设所进行的检验，它的主要目的是了解总体自变量与因变量之间是否真正存在样本回归模型所表述的相关关系。 的检验方法是相同的，以 为例来说明回归系数显著性检验的基本内容。 回归系数的检验 返回本章 返回总目录 提出假设（双侧检验）： 计算检验统计量： 回归系数的检验统计量为： 其中， 确定临界值： 设定显著水平之后，就可以确定显著性检验的相应临界值 。 得出检验结论： 如果 ，就否定原假设，表明总体回归系数 是不为零的；反之，就不能否定原假设。 返回本章 返回总目录 方程整体的检验——F检验 除了逐个检验回归系数的显著性以外，还要检验回归模型整体的显著性。其基本步骤如下： 提出假设（双侧检验）： 计算检验统计量： 其中，F服从F（1，n－2）分布 确定临界值： 根据显著性水平和自由度就可以确定临界值F。 得出检验结论： 如果 ，就否定原假设，表明回归模型是显著的；反之，就不能否定原假设。 返回本章 返回总目录 一元线性回归方差分析表 平方和 自由度 均方差 F值 回归离差 1 剩余离差 n-2 总离差 n-1 值得注意的是，在一元线性回归分析中，回归系数的显著性检验与回归模型的显著性检验是等价的，因此 t 检验和F 检验的结论是一致的。但在多元回归分析中，它们是不等价的，t 检验只检验方程中各个系数的显著性，而 F 检验则检验的是整个方程的显著性。 返回本章 返回总目录 P值检验 P值检验通过比较P值与给定的显著性水平 的大小，来决定是否否定原假设。P值检验的判断准则是：若P值小于给定的 ，则否定原假设；若P值大于给定的 ，则接受原假设。 （3）德宾—沃森统计量（D-W）检验 德宾—沃森统计量（D-W）是检验模型是否存在自相关的一种有效方法。其公式为： 将上式计算的D-W值与德宾—沃森给出的不同显著水平 D-W值的上限 和下限 进行比较判别。 返回本章 返回总目录 4. 用一元线性回归模型进行估计 （1）点估计 只要将给定的自变量值带入所建立的一元线性回归模型，便可以得到因变量的一个对应的估计值。 （2）区间估计 估计因变量的平均水平的 的置信区间： 大样本： 小样本： 返回本章 返回总目录 估计特定的因变量 的预测区间： 大样本： 小样本： 其中： 返回本章 返回总目录 多元线性回归分析 在线性相关的基础上，研究两个或两个以上自变量的回归分析称为多元线性回归。 1. 多元线性回归模型的建立 多元线性回归模型 参数的估计 以二元回归模型为例 返回本章 返回总目录 估计参数采用最小二乘法，可以通过解如下联立方程得出： 2. 多元线性回归模型的检验 （1）拟合优度的检验 度量简单一元线性回归模型的精确度指标，也适用于多元线性回归模型。 可决系数： 修正的可决系数 ， n为样本容量，k为自变量的个数 返回本章 返回总目录 估计标准误 越小，说明估计值越接近真实值。 估计标准误差（SE） （2）显著性检验 回归系数的显著性检验 回归模型的显著性检验 返回本章 返回总目录 （3）德宾—沃森统计量（D-W）检验 （4）多重共线性检验 多重共线性是多元回归分析中特有的问题，简单回归不存在此问题。用于检验各个自变量之间是否是无关的。任意两个自变量 和 之间的相关系数为： 返回本章 返回总目录 3. 用多元线性回归模型进行估计 （1）点估计 （2）区间估计 返回本章 返回总目录 4. 复相关系数与偏相关系数 （1）复相关系数 在多变量情况下，复相关系数是用来测定因变量 与一组自变量 之间相关程度的指标。其计算公式为： 复相关系数的值域在0到1之间，它的值为1，表明 与 之间存在严密的线性关系；它的值为0，则表明 与 之间不存在任何线性相关关系；它的取值在0和1之间时，表明变量之间存在一定的线性相关关系。 返回本章 返回总目录 （2）偏相关系数 在多变