(一元线性回归).pptVIP

第4讲 一元线性回归 11.1变量间关系的度量 11.2一元线性回归 11.3利用回归方程进行估计和预测 11.4残差分析 本章重点：一元线性回归的方法 本章难点：一元线性回归的计算 11.1 变量间关系的度量 11.1.1.变量间关系 11.1.2.相关关系的描述与测度 11.1.3.相关关系的显著性检验 11.1.1.变量间关系 11.1.2.相关关系的描述与测度 11.1.3.相关关系的显著性检验 11.2.一元线性回归 11.2.1 一元线性回归模型 回归模型、回归方程、估计的回归方程 11.2.2 参数的最小二乘估计 11.2.3 回归直线的拟合优度 判定系数、估计标准误差 11.2.4 显著性检验 线性关系的检验、回归系数的检验 11.2.5 回归分析结果的评价 11.2.1一元线性回归模型 11.2.2.参数的最小二乘估计 最小二乘法 ( 和 的计算公式) 11.2.3.回归直线的拟合优度1、判定系数 判定系数与相关系数的关系： 联系：数值上判定(可决)系数是相关系数的平方 区别： 判定系数 相关系数 就模型而言 就两个变量而言 说明解释变量对因变 说明两变量线性依存程度 量的解释程度 取值 有非负性 取值 -1≦r≦1 可正可负 11.2.4.显著性检验 3、三种检验的关系 在一元线性回归分析中，回归系数显著性的t检验、回归方程显著性的F检验，相关系数显著性 t检验，三者等价的，检验结果是完全一致的。 对一元线性回归，只做其中 的一种检验即可。 11.2.5 回归分析结果的评价 建立的模型是否合适？或者说，这个拟合的模型有多“好”？要回答这些问题，可以从以下几个方面入手 所估计的回归系数 的符号是否与理论或事先预期相一致 在不良贷款与贷款余额的回归中，可以预期贷款余额越多不良贷款也可能会越多，也就是说，回归系数的值应该是正的，在上面建立的回归方程中，我们得到的回归系数 为正值 如果理论上认为x与y之间的关系不仅是正的，而且是统计上显著的，那么所建立的回归方程也应该如此 在不良贷款与贷款余额的回归中，二者之间为正的线性关系，而且，对回归系数的t检验结果表明二者之间的线性关系是统计上显著的 11.2.5 回归分析结果的评价 回归模型在多大程度上解释了因变量y取值的差异？可以用判定系数R2来回答这一问题 在不良贷款与贷款余额的回归中，得到的R2=71.16%，解释了不良贷款变差的2/3以上，说明拟合的效果还算不错 考察关于误差项?的正态性假定是否成立。因为我们在对线性关系进行F检验和回归系数进行t检验时，都要求误差项?服从正态分布，否则，我们所用的检验程序将是无效的。?正态性的简单方法是画出残差的直方图或正态概率图 11.3 残差分析 1 用残差证实模型的假定 2 用残差检测异常值和有影响的观测值 本 章 小 结 一、变量间关系的种类 二、相关系数的计算、评价及检验 三、回归模型、回归方程、估计回归方程的概念，回归方程参数的最小二乘估计 四、判定系数、估计标准误差的 计算，及线性关系检验及 回归系数的检验 五、回归分析结果的评价 标准化残差图 ? 用以直观地判断误差项服从正态分布这一假定是否成立 若假定成立，标准化残差的分布也应服从正态分布 在标准化残差图中，大约有95%的标准化残差在-2到+2之间 最小二乘估计的图示 x y (xn , yn) (x1 , y1) ? ? ? ? ? ? ? ? ? (x2 , y2) (xi , yi) ｝ ei = yi-yi ＾ ? 根据最小二乘法，可得求解 和 的公式如下 和 的计算公式 ? 根据最小二乘法的要求，可得求解 和 的公式如下：（记住） 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 回归方程为：y = -0.8295 + 0.037895 x 回归系数 =0.037895 表示，贷款余额每增加1亿元，不良贷款平均增加0.037895亿元 ^ 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 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