现代统计方法--回归分析1new.ppt

回归方程预测与控制 因变量预测值的估计区间 回归方程预测与控制 由上例有： 回归方程预测与控制 一元线性回归分析 1、一元线性回归模型(理论模型与经验模型) 2、回归模型的参数估计(OLS估计与残差计算) 3、回归方程的显著性检验(t回归系数的t检验) 4、回归方程的拟合优度(可决系数,F检验) 5、残差分析(回归诊断) 6、回归系数的区间估计(单值预测与区间估计) 第三节 相关分析 相关系数的定义 相关系数与可决系数 单相关系数的检验 相关系数的定义 1、相关系数：是在直线相关的前提下，用以测量两个变量之间相关关系的密切程度的统计分析工具。 2、相关系数的含义解释： 1）、相关系数测定的原始公式： 积差法公式： 积差法公式的几何解释 积差法公式的几何解释 相关系数的测算公式： 样本相关系数的计算 一元线性回归模型的估计 某地区月人均收入与月食品支出的资料 计算示例（P177） 0.3----0.5低度相关， 0.6---0.8显著相关， 0.8---1高度相关 相关系数的基本性质 相关系数的几个数量关系 1、相关系数与可决系数的关系： 在一元线性回归方程中，有： 2、相关系数与回归系数的关系： 相关系数的检验 相关系数仅能表现两个变量之间的线性 关系，而不能反映非线性关系。就是说， 即使r=0,也不能说两个变量无关。 相关系数的接近1的程度与观测数据的 容量密切相关，当数据较少时，无法通过 相关系数的大小判别两个变量的相关程度 Anscombe data Anscombe data Anscombe data Anscombe data 相关系数的检验 1、提出假设： 2、检验统计量： 3、临界值为： 计算示例 假设根据6对样本观测数据计算出某公司的股票价格与气温的样本相关系数r=0.50, 试问是否可以根据5%的显著性水平认为该公司的股票与气温之间存在一定程度的线性相关关系？ 将相关数据代入： 相关系数的显著性检验 1、相关系数的含义： 相关系数的显著性检验 2、相关系数的特征： 相关系数仅能表现两个变量之间的线性 关系，而不能反映非线性关系。就是说， 即使r=0,也不能说两个变量无关。 相关系数的接近1的程度与观测数据的 容量密切相关，当数据较少时，无法通过 相关系数的大小判别两个变量的相关程度。 相关系数的显著性检验 3、相关关系的判断---相关系数检验表 当 大于检验表中的5%的值但小于1% 值时，显示x与 y有显著的线性相关关系。 当 大于检验表中1%的值，则显示两个 变量之间有十分显著的线性相关关系。 当 小于检验表中5%的值，则显示两个 变量没有明显的线性关系。 相关系数的显著性检验 4、相关系数的符号： 根据公式： 回归系数的区间估计 3、区间估计： 回归方程预测与控制 1、单值预测： 回归方程预测与控制 2、区间预测： 1）、因变量新值的区间估计： 回归方程预测与控制 2）、因变量新值的平均值的区间估计 一元线性回归模型的估计 某地区月人均收入与月食品支出的资料 恩格尔函数计算示例 回归方程误差的估计 总体回归方程的误差与样本误差的关系为： 根据回归直线得到： 回归均方误差与标准误差 回归方程误差的估计 最小二乘法估计量的性质 最小二乘法估计量的性质 一元线性回归模型的检验 回归方程必须通过检验才能实际应用 检验内容： 1、统计学检验： 拟合程度评价-----可决系数评价 显著性检验--------T检验，F检验 2、计量经济学检验----DW，等级相关检验 可决系数的含义 1、回归方程平方和分解；见分解图 Y X 可决系数的含义 由上图有： SST---Sum of squares for Total SSE---Sum of squares for error SSR---Sum of squares for Regression 可决系数的含义 由上面的公式有： 可决系数的含义 可决系数定义为： 很显然，可决系数越大，方程的拟合度就越高。 可决系数的应用 可决系数的应用 可决系数的特性： 1、具有非负性 2、取值范围为： 3、可决系数是样本观测值的函数 T检验 T检验主要用于检验回归系数 有效性的统计检验方法 1、设置假设： T检验 2、构造检验统计量： T检验 T检验 T检验 T检验 3、检验过程： 在给定显著性水平 ，双侧检验临界 值为