第6讲 一元线性回归分析.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) * * 124 Note: 1. As we move farther from the mean, the bands get wider. 2. The prediction interval bands are wider. Why? (extra Syx) 6.3.1 平均值的置信区间 6.3 利用回归方程进行预测 平均值的置信区间 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 个别值的预测区间 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！ 2008年8月 置信区间和预测区间 xp y x ?x 预测上限 置信上限 预测下限 置信下限 2008年8月 置信区间和预测区间(例题分析) 点预测值 置信线 预测线 * 2008年8月 置信区间和预测区间(例题分析) 预测时需要注意的问题 在利用回归方程进行估计或预测时，不要用样本数据之外的x值去预测相对应的y值 因为在一元线性回归分析中，总是假定因变量y与自变量x之间的关系用线性模型表达是正确的。但实际应用中，它们之间的关系可能是某种曲线 此时我们总是要假定这条曲线只有一小段位于x测量值的范围之内。如果x的取值范围是在xL和xU之间，那么可以用所求出的利用回归方程对处于xL和xU之间的值来估计E(y)和预测y。如果用xL和xU之间以外的值得出的估计值和预测值就会很差 本章小结 相关关系的分析 参数的最小二乘估计 回归直线的拟合优度 回归方程的显著性检验 利用回归方程进行预测 用 Excel 和SPSS进行回归 结 束 * * * * * * * * * * * * * * * * * * * * * * 24 This teleology is based on the number of explanatory variables nature of relationship between X Y. 相关系数的显著性检验(检验的步骤) 1.检验两个变量之间是否存在线性相关关系 采用R.A.Fisher提出的 t 检验 检验的步骤为 提出假设：H0：? ? ? ；H1：? ? 0 计算检验的统计量 用Excel中的【TDIST】函数得双尾计算P值，并于显著性水平?比较，并作出决策 若P?，拒绝H0 相关系数的显著性检验(例题分析) 【例】检验销售收入与广告费用之间的相关系数是否显著 (??0.05) 提出假设：H0：? ? ? ；H1：? ? 0 计算检验的统计量 3. 用Excel中的【TDIST】函数得双尾P=2.743E-09??0.05，拒绝H0，销售收入与广告费用之间的相关系数显著 6.2 一元线性回归的估计和检验 6.2.1 一元线性回归模型 6.2.2 参数的最小二乘估计 6.2.3 回归直线的拟合优度 6.2.4 显著性检验 第 6 讲 一元线性回归 6.2.1 一元线性回归模型 6.2 一元线性回归的估计和检验 什么是回归分析？(regression analysis) 重点考察考察一个特定的变量(因变量)，而把其他变量(自变量)看作是影响这一变量的因素，并通过适当的数学模型将变量间的关系表达出来 利用样本数据建立模型的估计方程 对模型进行显著性检验 进而通过一个或几个自变量的取值来估计或预测因变量的取值 回归模型的类型 一元线性回归 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(linear regression model) 描述因变