第十二章简单回归分析分析.pptVIP

第十二章 简单回归分析 学习内容 变量间关系的度量 一元线性回归（重点） 利用回归方程进行估计和预测 变量间的关系 函数关系 是一一对应的确定关系 设有两个变量 x 和 y ，变量 y 随变量 x 一起变化，并完全依赖于 x ，当变量 x 取某个数值时， y 依确定的关系取相应的值，则称 y 是 x 的函数，记为 y = f (x)，其中 x 称为自变量，y 称为因变量 各观测点落在一条线上 函数关系(几个例子) 相关关系(correlation) 变量间关系不能用函数关系精确表达 一个变量的取值不能由另一个变量唯一确定 当变量 x 取某个值时，变量 y 的取值可能有几个 各观测点分布在直线周围 相关关系(几个例子) 相关关系(类型) 相关关系的描述与测度(散点图) 散点图(scatter diagram) 散点图(例题分析) 【例】一家大型商业银行在多个地区设有分行，其业务主要是进行基础设施建设、国家重点项目建设、固定资产投资等项目的贷款。近年来，该银行的贷款额平稳增长，但不良贷款额也有较大比例的提高，这给银行业务的发展带来较大压力。为弄清楚不良贷款形成的原因，希望利用银行业务的有关数据做些定量分析，以便找出控制不良贷款的办法。下面是该银行所属的25家分行2002年的有关业务数据 散点图(例题分析) 散点图(例题分析) 相关关系的描述与测度(相关系数) 相关系数 (计算公式) ? 样本相关系数的计算公式 相关系数(取值及其意义) 相关系数(例题分析) 什么是回归分析？(Regression) 定义： 关于变量间客观存在的相关关系描述模型及其性质和应用的统计方法的总称。 被预测或被解释的变量称为因变量(dependent variable)，用y表示 用来预测或用来解释因变量的一个或多个变量称为自变量(independent variable)，用x表示 回归与相关分析的联系 相关分析是基础，回归分析是扩展 相关分析主要是描述两个变量之间线性关系的密切程度；回归分析不仅可以揭示变量 x 对变量 y 的影响大小，还可以由回归方程进行预测和控制 回归模型的类型 一元线性回归模型 一元线性回归 涉及一个自变量（X）的回归 因变量y与自变量x之间为线性关系 因变量与自变量之间的关系用一条线性方程来表示 一元线性回归模型 描述因变量 y 如何依赖于自变量 x 和误差项? 的方程称为回归模型 一元线性回归模型可表示为 y = b0 + b1 x + e y 是 x 的线性函数(部分)加上误差项 线性部分反映了由于 x 的变化而引起的 y 的变化 误差项 ? 是随机变量 反映了除 x 和 y 之间的线性关系之外的随机因素对 y 的影响 是不能由 x 和 y 之间的线性关系所解释的变异性 ?0 和 ?1 称为模型的参数 估计的回归方程(estimated regression equation) 参数的最小二乘估计 最小二乘估计 最小二乘估计(图示) 最小二乘法 ( 和 的计算公式) 估计方程的求法(例题分析) 【例】求不良贷款对贷款余额的回归方程 估计方程的求法(例题分析) 不良贷款对贷款余额回归方程的图示 补充：预测问题 如果我们得到某分行的贷款为X=200亿元，我们将其代入得到的方程，有： y = -0.8295 + 0.037895 x =--0.8295 + 0.037895 *200 =6.7495（亿元） 我们预测该行的不良贷款为6.7495亿元 回归直线的拟合优度 变差 因变量 y 的取值是不同的，y 取值的这种波动称为变差。变差来源于两个方面 由于自变量 x 的取值不同造成的 除 x 以外的其他因素(如x对y的非线性影响、测量误差等)的影响 对一个具体的观测值来说，变差的大小可以通过该实际观测值与其均值之差 来表示 变差的分解(图示) 离差平方和的分解 (三个平方和的关系) 离差平方和的分解 (三个平方和的意义) 总平方和(SST) 反映因变量的 n 个观察值与其均值的总离差 回归平方和(SSR) 反映自变量 x 的变化对因变量 y 取值变化的影响，或者说，是由于 x 与 y 之间的线性关系引起的 y 的取值变化，也称为可解释的平方和 残差平方和(SSE) 反映除 x 以外的其他因素对 y 取值的影响，也称为不可解释的平方和或剩余平方和 判定系数r2  (coefficient of determination) 回归平方和占总离差平方和的比例 判定系数r2  (例题分析) 【例】计算不良贷款对贷款余额回归的判定系数，并解释其意义 判定系数的实际意义是：在不良