统计学第十三周课件.pptVIP

如：劳动生产率与工资水平的关系、投资额与国民收入的关系, 家庭支出和收入的关系。 相关关系不能用函数精确表达, 但经常用一定的函数形式去近似地描述。 t检验 回归系数的显著性检验步骤： 用Excel进行回归分析 第1步：选择“工具”下拉菜单 第2步：选择“数据分析”选项 第3步：在分析工具中选择“回归”，然后选择“确定” 第4步：当对话框出现时 在“Y值输入区域”设置框内键入Y的数据区域 在“X值输入区域”设置框内键入X的数据区域 在“置信度”选项中给出所需的数值 在“输出选项”中选择输出区域 在“残差”分析选项中选择所需的选项 “回归”分析工具对话框 “回归”分析结果 用spss进行回归分析 第1步：打开 spss数据集data-01； 第2步：选择“分析-回归-线性”选项，出现“线性回归”窗口； 第3步：在择因变量选择“人均消费金额”，自变量选择“人均国内生产总值” 第4步：点击“确定”按钮，运行结果在“输出窗口”，结果和用excel计算的结果相同。 线性回归分析spss窗口 一元线性回归分析的spss结果 相关分析 第二节 一元线性回归分析 一、一元线性回归模型的基本形式 二、一元线性回归模型的估计 三、回归方程的评价 四、回归模型的应用 五、统计软件SPSS应用 回归模型的类型 一元线性回归含义 只涉及一个自变量的回归 因变量y与自变量x之间为线性关系 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 因变量与自变量之间的关系用一个线性方程来表示 一元线性回归模型的基本形式 ①描述因变量 y 如何依赖于自变量 x 和误差项? 的方程称为理论回归模型 ②一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)加上随机误差项 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(未纳入模型但对y有影响的诸多因素的综合影响) 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 理论回归模型 一元线性回归模型的基本形式 回归模型的基本假设 假设1：误差项的期望值为0，即对所有的i有 假设2：误差项的方差为常数，即对所有的i有 假设3：误差项之间不存在自相关关系，其协方差为0， 即当 时，有 ； 假设4：自变量是给定的变量，与随机误差项线性无关； 假设5：随机误差项服从正态分布。即ε~N( 0 ,σ2 ) 以上这些基本假设是德国数学家高斯最早提出的，故也称为高斯假定或标准假定。 回归方程 描述 y 的平均值或期望值如何依赖于 x 的方程称为回归方程 一元线性回归方程的形式如下 E( y ) = ?0+ ?1 x 方程的图示是一条直线，也称为直线回归方程 ?0是回归直线在 y 轴上的截距，是当 x=0 时 y 的期望值 ?1是直线的斜率，称为回归系数，表示当 x 每变动一个单位时，y 的平均变动值 ●在抽样中，自变量x的取值是固定的，即x是非随机的；因变量y是随机的。 即当解释变量X取某固定值时，Y的值不确定，Y的不同取值形成一定的分布，这是Y的条件分布。 回归线，描述的是Y的条件期望E（Y/xi）与之对应xi，代表这些Y的条件期望的点的轨迹所形成的直线或曲线。 注意 由于单个数据点是从y的分布中抽出来的，可能不在这条回归线上，因此必须包含随机误差项e来描述模型数据点 注意：假定 E ( y ) =? 0+ ? 1 x 估计的回归方程 一元线性回归中估计的回归方程为 用样本统计量 代替回归方程中的未知参数 和 的估计值,就得到了估计的回归方程 总体回归参数 和 是未知的,必须利用样本数据去估计 其中： 是估计的回归直线在 y 轴上的截距， 是直线的斜率，它表示对于一个给定的 x 的值， 是 y 的估计值，也表示 x 每变动一个单位时， y 的平均变动值 参数的最小二乘(平方)法的估计 使因变量的观察值与估计值之间的离差平方和达到最小来求得