统计学一元线性回归剖析.ppt

124 Note: 1. As we move farther from the mean, the bands get wider. 2. The prediction interval bands are wider. Why? (extra Syx) 24 This teleology is based on the number of explanatory variables nature of relationship between X Y. 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 Excel输出的部分回归结果 名称 计算公式 Adjusted R Square Intercept的抽样标准误差 Intercept95%的置信区间 斜率95%的置信区间 11.3 利用回归方程进行估计和预测 11.3.1 点估计 11.3.2 区间估计 利用回归方程进行估计和预测 根据自变量 x 的取值估计或预测因变量 y的取值 估计或预测的类型 点估计 y 的平均值的点估计 y 的个别值的点估计 区间估计 y 的平均值的置信区间估计 y 的个别值的预测区间估计 点估计 点估计 2. 点估计值有 y 的平均值的点估计 y 的个别值的点估计 在点估计条件下，平均值的点估计和个别值的的点估计是一样的，但在区间估计中则不同 对于自变量 x 的一个给定值x0 ，根据回归方程得到因变量 y 的一个估计值 y 的平均值的点估计 ?利用估计的回归方程，对于自变量 x 的一个给定值 x0 ，求出因变量 y 的平均值的一个估计值E(y0) ，就是平均值的点估计 在前面的例子中，假如我们要估计贷款余额为100亿元时，所有分行不良贷款的平均值，就是平均值的点估计 。根据估计的回归方程得 y 的个别值的点估计 ?利用估计的回归方程，对于自变量 x 的一个给定值 x0 ，求出因变量 y 的一个个别值的估计值 ，就是个别值的点估计 例如，如果我们只是想知道贷款余额为72.8亿元的那个分行(这里是编号为10的那个分行)的不良贷款是多少，则属于个别值的点估计 。根据估计的回归方程得 区间估计 区间估计 点估计不能给出估计的精度，点估计值与实际值之间是有误差的，因此需要进行区间估计 对于自变量 x 的一个给定值 x0，根据回归方程得到因变量 y 的一个估计区间 区间估计有两种类型 置信区间估计(confidence interval estimate) 预测区间估计(prediction interval estimate) 置信区间估计 利用估计的回归方程，对于自变量 x 的一个给定值 x0 ，求出因变量 y 的平均值的估计区间 ，这一估计区间称为置信区间(confidence interval) E(y0) 在1-?置信水平下的置信区间为 式中：se为估计标准误差 置信区间估计(例题分析) 【例】求出贷款余额为100亿元时，不良贷款95%置信水平下的置信区间 解：根据前面的计算结果，已知n=25， se=1.9799，t???(25-2)=2.069 置信区间为 当贷款余额为100亿元时，不良贷款的平均值在2.1141亿元到3.8059亿元之间 预测区间估计 利用估计的回归方程，对于自变量 x 的一个给定值 x0 ，求出因变量 y 的一个个别值的估计区间，这一区间称为预测区间(prediction interval) y0在1-?置信水平下的预测区间为 注意！ 预测区间估计(例题分析) 【例】求出贷款余额为72.8亿元的那个分行，不良贷款95%的预测区间 解：根据前面的计算结果，已知n=25， se=1.9799，t???(25-2)=2.069 预测区间为 贷款余额为72.8亿元的那个分行，其不良贷款的预测区间在-2.2766亿元到6.1366亿元之间 置信区间和预测区间(例题分析) 置信区间、预测区间、回归方程 xp y x ?x 预测上限 置信上限 预测下限 置信下限 11.4 残差分析 11.4.1 残差与残差图 11.4.2 标准化 残差与残差图