1回归分析研究一个变量关于另一个.docVIP

1回归分析是研究一个变量关于另一个（些）变量的统计依赖关系的计算方法和理论。其用意在于通过后者的已知或设定值，去估计和（或）预测前者的（总体）均值。 6建立模型:①理论模型的设计②样本数据收集③模型参数的估计④模型的检验⑤模型应用 7线性回归模型的基本假设： ⑴ 解释变量X1，X2，…，Xk是确定性变量，不是随机变量，并且解释变量之间互不相关 ⑵ 随机误差项具有0均值和同方差 ⑶ 随机误差项在不同样本点之间是独立的，不存在序列相关。即： ⑷ 随机误差项与解释变量之间不相关。 ⑸ 随机误差项服从0均值、同方差的正态分布 8一元线性回归模型 9一元样本回归线的性质⑴ 样本回归线通过Y和X的样本均值。 证明：因为，即 ⑵ 估计的Y的均值等于实测的Y的均值 由于 残差的均值为零。由正则方程得即所以 残差和预测的Yi不相关 残差与Xi不相关。有正则方程可知所以 10一元线性回归中线性性、无偏性、有效性证明 ①令则 令则 ②估计量的均值（期望值）等于总体回归参数真值，即 易知 同样地能够得出 ③有效性（最小方差性 在所有线性无偏估计量中，最小二乘估计量具有最小方差。 11 12回归平方和 残差平方和 总离差平方和 13 14一元线线回归模型中 15要缩小置信区间，需 （1）增大样本容量n，因为在同样的置信水平下，n越大，t分布表中的临界值越小；同时，增大样本容量，还可使样本参数估计量的标准差减小。 （t统计量和标准差S都随n的增大而减小） （2）提高模型的拟合优度，因为样本参数估计量的标准差与残差平方和呈正比，模型拟合优度越高，残差平方和应越小。 16多元线性回归模型的基本假定 假设1：解释变量是非随机的，且各X之间相互独立 假设2：随机误差项具有零均值、同方差及不序列相关性 假设3：解释变量与随机项不相关 假设4：随机项满足正态分布 17正则方程组 18 19①线性性 ②无偏性 ③有效性（最小方差性