一元线性回归预测法解析.pptVIP

一元线性回归预测法 概念： 是指成对的两个变量数据分布大体上呈直线趋势时，运用合适的参数估计方法，求出一元线性回归模型，然后根据自变量与因变量之间的关系，预测因变量的趋势。 很多社会经济现象之间都存在相关关系，因此，一元线性回归预测有很广泛的应用。进行一元线性回归预测时，必须选用合适的统计方法估计模型参数，并对模型及其参数进行统计检验。 步骤 建立模型 估计参数 进行检验 进行预测 一、建立模型 一元线性回归模型 其中， 是未知参数 为剩余残差项或称随机扰动项 二、估计参数 用最小二乘法进行参数的估计时，要求 满足一定的假设条件： 是一个随机变量； 的均值为零，即 在每一个时期中， 的方差为常量，即 各个 相互独立； 与自变量无关。 用最小二乘法进行参数估计 ，得到的估计表达式为： 最小二乘法 一致性 无偏性 有效性 方差最小 标准误差 1 可决系数 2 相关系数 3 回归系数显著性检验 4 F检验 5 D—W检验 6 三、进行检验 1、标准误差 标准误差：估计值与因变量值间的平均平方误差。 其计算公式为： 2、可决系数 可决系数：衡量自变量与因变量关系密切 程度的指标，表示自变量解释了因变量变 动的百分比。 其计算公式为： 可见，可决系数取值于0与1之间，并取决于 回归模型所解释的y的方差的百分比 3、相关系数 其计算公式为： 由公式可见，可决系数是相关系数的平方。 相关系数越接近+1或－1，因变量与自变量的拟 合程度就越好。 相关系数与可决系数的主要区别： 相关系数测定变量之间的密切程度，可决系数测定自变量对因变量的解释程度。相关系数有正负，可决系数只有正号。 正相关系数意味着因变量与自变量以相同的方向增减。 如果直线从左至右上升，则相关系数为正； 如果直线从左至右下降，则相关系数为负。 4、回归系数显著性检验 检验假设： 检验统计量 其中 检验规则：给定显著性水平 ， 若 则回归系数显著。 5、F检验 检验规则：给定显著性水 ， 若 则回归系数显著。 ~ 6、德宾—沃森统计量（D—W） 检验 之间是否存在自相关关系。 D—W的取值域在0~4之间。 其中， 检验法则： 在D—W小于等于2时， D—W检验法则规定： 认为 存在正自相关; 认为 无自相关； 在D—W大于2时, D—W检验法则规定: 认为 存在负自相关; 认为 无自相关； 不能确定 是否有自相关。 用坐标图更直观表示DW检验规则： 四、进行预测 小样本情况下,近似的置信区间的常用公式为： 置信区间= 例题分析 例题 ： 已知身高与体重的资料如下表所示： 身高（米） 1.55 1.60 1.65 1.67 1.7 1.75 1.80 1.82 体重（公斤） 50 52 57 56 60 65 62 70 要求：（1）拟合适当的回归方程； （2）判断拟合优度情况； （3）对模型进行显著性检验；（α=0.05） （4）当体重为75公斤时，求其身高平均值的95% 的置信区间。 解答： （1）n=8，经计算得： 因此： 因此，建立的一元线性回归方程为： 回归直线的拟合优度不是很理想 。 （2） （3） 所以拒绝原假设，认为所建立的线性回归模型是显著的。 （4） 小组成员：冯高娇 王娇 淳洁 姚倩 赵预立 沈舒 王明圆 吴丹