12-相关分析与回归分析.pptVIP

第12章 相关分析与回归分析 第一节 相关分析 第一节 相关分析 第一节 相关分析 第一节 相关分析 第一节 相关分析 第一节 相关分析 第一节 相关分析 第一节 相关分析 第一节 相关分析 第一节 相关分析 第一节 相关分析 第二节 一元线性回归分析 12.2 回归分析的基本概念 1 因变量(Y)与自变量(X)之间的关系 因变量(Y)与自变量(X)之间的关系 因变量(Y)与自变量(X)之间的关系 回归分析 回归分析 12.3 一元线性回归模型 统计关系的特征 一元线性回归模型假设 根据统计关系特征，可以进行下述假设： 一元线性回归模型 一元线性回归模型 对于任意Xi值有： 一元线性回归模型 一元线性回归方程 一元线性回归方程 一元线性回归方程 一元线性回归方程 一元线性回归方程 最小二乘估计量b0,b1的特性 最小二乘估计量b0,b1的特性 最小二乘估计量b0,b1的特性 最小二乘估计量b0,b1的特性 总平方和分解 总平方和分解 总平方和分解 总平方和分解 总平方和分解 总平方和分解 自由度的分解 自由度的分解 回归均方与误差均方 样本确定系数与样本相关系数 样本确定系数 样本相关系数 样本相关系数 样本相关系数 9.4.2 样本相关系数 样本相关系数 一元线性回归显著性检验 b1的抽样分布 b1的抽样分布 b1的抽样分布 b1的抽样分布 F 检验 F 检验 t 检验 t 检验 利用样本相关系数进行统计检验 利用样本相关系数进行统计检验 模型适合性分析 误差项的异方差性检验 误差项的异方差性检验 误差项的自相性关检验 误差项的自相性关检验 误差项的自相性关检验 第二节 一元线性回归分析 4）比较 若 ，接受H0 若 ，拒绝H0 7. 一元线性回归模型的显著性检验 未知参数的 P—值 检验 P—值检验是指在计算出 值后，计算 【例7-8】利用例7-4和例7-6的有关资料和结果，检验回归系 数的显著性( =0.05 )。 解： 此外，可基于SPSS等统计软件的输出结果，直接作出判断。 SPSS 软件的操作结果： t 检验 P—值检验 在对一元线性回归模型的适合性进行分析时, 由于误差项是不可观测或测量的, 需借助残差 的图像,来考察模型是否存在以下情况：异方 差性和自相关性。 若 不具有常数方差,称模型存在异方差性。此时,残差 如下图所示，数据点呈现发散或收敛趋势。 在此种情况 下,最小二乘法失效,因此需按照一定方法对数据进行变 换,在计量经济学课程中,对此有详细讲述。 b0,b1的特性 线性性 无偏性 (1) 线性特性 由（9-5）得 令 则 表明b1是Yi 的线性组合 同理，可得 b0是Yi线 性组合 (2) 无偏性 可以证明b0和b1分别是β0 和β1的无偏估计 9.3.1 总平方和分解 图9-5 总平 和分解图 总离差平方和 它表示没有X的影响， 单纯考察数据中Y的变动情况。 回归平方和 表示各 的变动程度，该变动是由于回归直线 中各Xi 的变动所引起的，并且通过X对Y 的线性影响表现出来。 误差平方和 表示各Yi围绕所拟合的回归直线的变动程度 SSTO=SSR+SSE SSE=SSTO-SSR SSTO 自由度 ? T为n-1 SSE β0和β1用了 两个正规方程 自由度 ? E为n-2 SSR 自由度 ? R为1 自由度的分解可以表示为 n-1=1+（n-2） ?T=?R+?E (9-10) (9-11) 回归均方 误差均方 9.4.1 样本确定系数 (9-12) 注:Y的总变差中能被X解释的那部分所占的比率 r2的取值范围 样本的全部观察值都落在 所拟和的回归直线上 SSE=0， r2=1 当X与Y无关，Y的变差完 全由于随机因素引起， 此时，SSR=0 r2=0 说明变量X与Y之间不存在线性关系； 说明变量X与Y之间存在线性关系，（X,Y）的样本点都落在同一条直线上。 通常 越接近1，样本回归线对样本值的拟合优度越好，X 对Y的解释能力越强。 是样本回归线与样本观测值拟合优度的度量指标，也是回归模型包含多少样本信息量的具体表现。 样本相关系数 注:r与b1的分母均为正，分子相同,故r与b1有相同的符号。 r的取值情况 情况一 图9-6 情况二 图9-7 情况三 图9-8 情况四 图9-9 【例】利用例7-2