第一讲简单线性回归模型分析.ppt

* 一个残差不独立的例子 * 异常值的检测 异常值是与其它点显示的趋势不合的点。 检查它是否可能是被错误输入的数据。 检测异常值的方法： 散点图； 利用学生化标准残差基本服从标准正态分布来检测(落在2个标准差之外时)。 * 带有异常值的散点图示例 * 检测有影响的观测值 什么是有影响的观测？ 观测的杠杆率： 高杠杆率的点意味着它的自变量距离别的自变量的值距离较大的点。 识别影响的观测: 杠杆率6/n的观测. 强影响点最常用的值是Welsch-Kuh诊断统计量或者Cook统计量 * 对于建立简单线性回归模型，你知道了些什么？ 什么情况下需要建立简单线性回归模型？ 对模型的假定有哪些？ 如何估计模型的参数？ 如何检验模型及其参数的显著性？ 如何使用你建立的模型进行预测？ 如何分析你的问题符合对模型做的假定？ * * * * * * * * * 第一讲 简单线性回归模型 建立两个变量X和Y间的关系模型，推断变量Y如何依赖于变量X, 从而可以用X预测Y. 例： 广告费用和销售量 公司的市值与CEO的年薪 原始股的销售数量和期望价格 证券市场收益率与某只股票的收益率 商品价格和销售量 装配线的速度和次品数量 年收入与信用卡消费金额 年龄与手机话费 连锁店附近的人流与店的利润 气温与滑雪场门票销量 ………