同济大学-回归导论.pptx

1; 本章主要内容：;回归分析的起源（1）;回归分析的起源（2）;回归分析的起源（3）;在经济管理和其他领域中，人们经常需要研究两个或多个变量(现象)之间的相互(因果)关系，并使用数学模型来加以描述和解释。如： 商品销售量与价格间的关系； 产品的某些质量指标与某些控制因素之间的关系； 家庭消费支出与家庭收入间的关系等等。 回归分析就是对变量间存在的不确定关系进行分析的统计方法。 回归分析是使用得最为广泛的统计学分支，本章介绍回归分析中最基本的内容。 ;某钢厂生产的某种合金钢有两个重要的质量指标：抗拉强度(kg/mm2)和延伸率(%)。 该合金钢的质量标准要求：抗拉强度应大于32kg/mm2；延伸率应大于33%。 根据冶金学的专业知识和实践经验，该合金钢的含碳量是影响抗拉强度和延伸率的主要因素。其中含碳量高，则抗拉强度也就会相应提高，但与此同时延伸率则会降低。 为降低生产成本，提高产品质量和竞争能力，该厂质量控制部门要求该种合金钢产品的上述两项质量指标的合格率都应达到99%以上。 ;为达到以上质量控制要求，就需要制定该合金钢冶炼中含碳量的工艺控制标准，也即要确定在冶炼中应将含碳量控制在什么范围内，可以有99%的把握使抗拉强度和延伸率这两项指标都达到要求。 这是一个典型的产品质量控制问题，可以使用回归分析方法求解。 ;1. 确定性关系 ——也即函数关系，即 Y = ?(X) ； Y = ?(X1, X2, ···, Xp) 或 F(X, Y) = 0； F(X1, X2, ···, Xp, Y) = 0 例：价格不变时商品销售收入与销售量的关系。;10;以三口之家为单位，某种食品在某年各月的家庭平均月消费量 Y (kg)与其价格 X (元/kg) 间的调查数据如下，试分析该食品家庭平均月消费量与价格间的关系。; 由图可知，该食品家庭月平均消费量 Y 与价格 X 间基本呈线性关系。这些点与直线 Y = ?0 + ?1X 间的偏差是由其他一些无法控制的因素和观察误差引起的。 因此可以建立 Y 与 X 之间关系的如下线性回归模型 Y = ?0 + ?1X + ? (8.1-1)其中 X —— 解释变量(自变量) Y —— 被解释变量(因变量) ?0, ?1 —— 模型中的未知参数 ? —— 随机误差项 ;随机误差项产生的原因;线性回归模型的数据结构;;1. 各 ?i ～ N( 0，? 2 )，且相互独立； 2. 解释变量是可以精确观察的普通变量(非随机变量)； 3. 解释变量与随机误差项是各自独立对被解释变量产生影响的。 称满足以上条件的回归模型为经典回归模型。 本章仅讨论经典回归模型。 但在经济领域中，经济变量间的关系通常是不会完全满足上述条件的。 例如家庭消费支出 Y 与家庭收入 X 间的回归模型就不会是同方差的。;1. 根据问题的实际背景、专业知识或通过对样本数据的分析，建立描述变量间相关关系的回归模型； 2. 利用样本数据估计模型中的未知参数，得到回归方程； 3. 对模型进行检验； 4. 利用通过检验的回归方程对被解释变量进行预测或控制。 ;一. 一元线性回归模型 设被解释变量 Y 与 解释变量 X 间存在线形相关关系，则 Y = ?0 + ?1X + ? ；? ～N(0，? 2 ) 其中 X 是普通变量。 则 Y ～ N( ?0+ ?1X，? 2 ) 称 Y 的条件期望 E( Y|X ) = ?0 + ?1X (8.2-1) 为 Y 对 X 的回归。 ;二. 回归方程;20;21;最小二乘结果; 可以证明，;通过参数估计得到回归方程后，还需要对回归方程进行检验，以确定变量间是否存在显著的线性关系。 对一元线性回归模型，如果变量 Y 与 X 之间并不存在线性相关关系，则模型中的一次项系数 ?1 应为 0；反之，则 ?1≠0。 故对一元线性回归模型，要检验的原假设为 H0：?1 = 0 以上检验称为对回归方程的显