第7章 相关与回归分析详解.ppt

F检验的方法 给定显著性水平，在F分布表中查出自由度为k-1和n-k 的临界值 F服从自由度为 k-1 和 n-k 的 F 分布。 F检验：在 成立的条件下，统计量 : ▲若 ，则拒绝 ， 说明回归方程中所有自变量联合起来对因变量有显著影响 ▲若 ，则接受 ， 说明回归方程中所有自变量联合起来对因变量影响不显著 本章小结 1、各种变量相互之间的依存关系： 确定性的函数关系 、不确定性的相关关系 2、变量间的相关关系的程度用相关系数去度量 3、现代意义的回归是关于一个变量对另一个或另外多个变量依存关系的研究 。回归分析的目的是要用样本回归函数去估计总体回归函数。 4、线性回归的各项基本假定 5、简单线性回归和多元线性回归的最小二乘估计 6、可决系数或修正的可决系数去度量回归的拟合优度 本章小结（续） 7、各个回归系数显著性的t检验或P值检验 8、回归方程的显著性检验：在方差分析基础上的F检验 9、利用估计的线性回归模型对因变量作点预测和区间预测 10、应用Excel去实现 相关分析和回归分析的实际计算和图形描绘 第七章重要公式 1、总体相关系数 2、样本相关系数 3、总体回归函数（PRF） 4、样本回归函数（SRF） 第七章重要公式（续1） 5、最小二乘估计 6、 的无偏估计 7、可决系数 第七章重要公式（续2） 8、修正可决系数 9、t检验统计量 10、F检验统计量 第7章结束了! 2. 回归系数的最小二乘估计 基本思想：希望所估计 的 偏离实际观测值 的残差 越小越好。可 以取残差平方和 作为 衡量 与 偏离程度 的标准—最小二乘准则。 一阶条件为： 即： 解得： 得到正规方程组： 或 【例】为了研究1978---2006年中国的财政收入与GDP的关系，取得数据如Excel表格第7章 数据(一)所示，试建立财政收入对GDP的线性回归模型。 3.最小二乘估计量的性质 （1）线性性—最小二乘估计是因变量的线性函数 高斯—马尔科夫定理：在满足基本假定的条件下，回归系数的最小二乘估计是最佳线性无偏估计。 （2）无偏性—最小二乘估计是无偏估计，即 证明： （3）有效性—在所有的线性无偏估计中，回归系数的最小二乘估计的方差最小。 证明： 4. 参数估计量的概率分布 和 都是服从正态分布的随机变量。 由 而 5. 方差 的估计 为什么要估计 ？ 确定所估计参数的方差需要 由于 不能直接观测， 也是未知的 对 的数值只能通过样本信息去估计。 怎样估计 ？ 可以证明 的无偏估计为： 7.3 一元线性回归分析 的统计检验与回归预测 一、拟合优度检验 二、回归系数显著性 t 检验 三、一元线性回归模型的预测 基本思想：样本回归直线是对样本数据的一种拟合，不同估计方法可拟合出不同的回归线。样本回归拟合优度的度量建立在对因变量总离差平方和分解的基础上。 一、 拟合优度的度量 总离差平方和 回归平方和 残差平方和 可决系数定义： 因为： 可决系数的特点 可决系数是非负的统计量； 可决系数取值范围： ； 可决系数是样本观测值的函数，可决系数是随抽样而变动的随机变量； 在一元线性回归中，可决系数在数值上是简单线性相关系数的平方： ， 二、回归系数显著性的 t 检验 目的： 对模型中因变量与自变量之间的线性关系是否显著成立作出推断，亦即考察自变量是否对因变量有显著的 线性影响。 用估计的参数标准误差对估计的参数作标准化变换，所得的 t 统计量将不再服从正态分布，而是服从 t 分布： 可利