讲课统计软件应用要点.ppt

* * 第二步：单击“确定”按钮，弹出“回归”对话框，在“Y值输入区域”输入$B$1：$B$11；在“X值输入区域”输入$C$1:$C$11，在“输出选项”选择“新工作表组”，如图所示。 * 第三步：单击确定按钮，得回归分析结果如图所示。（只有体重是自变量）1.228571429回归系数/0.215235988样本误差=统计量；98.428/11.9=8.266；SS/df=MS;528/16=32;置信区间上下界 * 在输出结果中，第一部分为汇总统计，MultipleR指复相关系数，RSquare指判定系数，Adjusted指调整的判定系数，标准误差指估计的标准误差，观测值指样本容量；第二部分为方差分析，df指自由度，SS指平方和，MS指均方，F指F统计量（回归方程的显著性检验），Singnificance of F指p值；第三部分包括：Intercept指截距，Coefficient指系数，t stat指t统计量。 （回归系数的显著性检验）， * 练习 某省2000~2004年的职工平均生活费收入和商品销售额资料如图所示。试运用Excel进行相关与回归分析。 * 线性回归的显著性检验 目的 检验两个变量之间是否存在线性相关关系 分类 回归系数（t检验） 回归方程 （F检验） 检验回归系数是否等于0。 检验自变量x和因变量y之间是否能用线性模型y=B0+B1x+e来表示 。 解释版 * T统计量的分子是其估计量，分母是样本方差 【例10.5】 根据例10.4的有关结果，检验回归系数的显著性。 1.提出假设：H0: B1=0 2.计算检验统计量t： 3.检验统计量t，给定显著性水平a=0.05,根据自由度n-2查t分布表，找到相应的临界值确定临界值 4.确定原假设的拒绝规则：t =9.7203＞t0.025=2.447 5.作出决策：月产量是影响生产费用的一个显著性因素。 解释版 * 第三步：单击确定按钮，得回归分析结果如图11-45所示。（只有体重是自变量）1.228571429回归系数/0.215235988样本误差=统计量；98.428/11.9=8.266；SS/df=MS;528/16=32;置信区间上下界 解释版 * P-value,应该就是假设检验时的拒绝域：即Ｐ（Ｗ）＝α，通常做假设检验时，可以理解为弃真风险是α，也就是显著性水平。即最小的α值 P值是能够拒绝原假设的最小显著性水平。 针对一个假设检验问题，作判断前必须首先确定一个显著性水平，但是选取不同的显著性水平往往会得出不同的结论，尤其在样本量较小时。所以这时利用P值作判断就可以避免前面的麻烦。根据由样本得到的P值，我们再来和预设的显著性水平作对比，这时可以和几个不同的显著性水平，比如0.1、0.05、0.02、0.01等等来比较，再结合实际问题的物理意义最终作出判断。当然一般还是选取0.05为准。 最理想的结果是P值为零，这时我们就可以很有把握的拒绝原假设。 P值在实际使用中是比较方便的，比利用拒绝域或置信区间要简洁一些。 解释版 * significance F,应该就是假设检验时的拒绝域：即Ｐ（Ｗ）＝α，通常做假设检验时，可以理解为弃真风险是α，也就是显著性水平。即最小的α值 解释版 * 第三步：单击确定按钮，得回归分析结果如图11-45所示。（只有体重是自变量）1.228571429回归系数/0.215235988样本误差=统计量；98.428/11.9=8.266；SS/df=MS;528/16=32;置信区间上下界 解释版 * 【例10.6】根据例10.5的有关结果，检验月产量与生产费用之间线性关系的显著性（a=0.05） 1.提出假设. H0: B1=0,两个变量之间的关系不显著； 2.计算检验统计量 F 3.作出决策。根据显著性水平a=0.05,分子自由度1和分母自由度查Fa=5.99,由于F＞Fa,拒绝H0,表明月产量与生产费用之间的线性关系是显著的。 解释版 * 第三步：单击确定按钮，得回归分析结果如图11-45所示。（只有体重是自变量）1.228571429回归系数/0.215235988样本误差=统计量；98.428/11.9=8.266；SS/df=MS;528/16=32;置信区间上下界 解释版 * 在输出结果中，第一部分为汇总统计，MultipleR指复相关系数,它的平方恰好就是线性回归方程的决定系数：即判定系数RSquare;随着自变量个数的增加，复相关系数的值会变大。对于因变量相同，而自变量个数不同的两个模型，用复相关系数就不够合理；所以用自变量个数去调整复相关系数，称为调整的判定系数=1-（1-R*R)*(n-1）/（n-p