第5讲(一元线性回归)解剖.ppt

一、回归结果的显著性检验 3、三种检验的关系 在一元线性回归分析中，回归系数显著性的t检验、回归方程显著性的F检验，相关系数显著性 t检验，三者等价的，检验结果是完全一致的。 对一元线性回归，只做其中 的一种检验即可。 二、 回归分析结果的评价 建立的模型是否合适？或者说，这个拟合的模型有多“好”？要回答这些问题，可以从以下几个方面入手 所估计的回归系数 的符号是否与理论或事先预期相一致 在不良贷款与贷款余额的回归中，可以预期贷款余额越多不良贷款也可能会越多，也就是说，回归系数的值应该是正的，在上面建立的回归方程中，我们得到的回归系数 为正值 如果理论上认为x与y之间的关系不仅是正的，而且是统计上显著的，那么所建立的回归方程也应该如此 在不良贷款与贷款余额的回归中，二者之间为正的线性关系，而且，对回归系数的t检验结果表明二者之间的线性关系是统计上显著的 回归模型在多大程度上解释了因变量y取值的差异？可以用判定系数R2来回答这一问题 在不良贷款与贷款余额的回归中，得到的R2=71.16%，解释了不良贷款变差的2/3以上，说明拟合的效果还算不错 考察关于误差项?的正态性假定是否成立。因为我们在对线性关系进行F检验和回归系数进行t检验时，都要求误差项?服从正态分布，否则，我们所用的检验程序将是无效的。?正态性的简单方法是画出残差的直方图或正态概率图 计量单位的讨论，因果模型的特征 残差分析 1 用残差证实模型的假定 2 用残差检测异常值和有影响的观测值 小 结 一、变量间关系的种类 二、相关系数的计算、评价及检验 三、回归模型、回归方程、估计回归方程的概念，回归方程参数的最小二乘估计 四、判定系数、估计标准误差的 计算，及线性关系检验及 回归系数的检验 五、回归分析结果的评价 利用回归方程进行估计和预测 根据自变量 x 的取值估计或预测因变量 y的取值 估计或预测的类型 点估计 y 的平均值的点估计 y 的个别值的点估计 区间估计 y 的平均值的置信区间估计 y 的个别值的预测区间估计 利用回归方程进行估计和预测（点估计） ? y 的平均值的点估计 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 的平均值的一个估计值E(y0) ，就是平均值的点估计 在前面的例子中，假如我们要估计人均国民收入为2000元时，所有年份人均消费金额的的平均值，就是平均值的点估计。根据估计的回归方程得 ? y 的个别值的点估计 点估计不能给出估计的精度，点估计值与实际值之间是有误差的，因此需要进行区间估计 对于自变量 x 的一个给定值 x0，根据回归方程得到因变量 y 的一个估计区间 区间估计有两种类型 置信区间估计 预测区间估计 参数最小二乘估计量的协方差分析 均是无偏估计 均是正态分布 协方差 ? y 的平均值的置信区间估计 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E(y0)的估计区间 ，这一估计区间称为置信区间 E(y0) 在1-?置信水平下的置信区间为 【例】根据前例，求出人均国民收入为1250.7元时，人均消费金额95%的置信区间 解：根据前面的计算结果 ＝712.57，Sy=14.95， t???(13-2)＝2.201，n=13 置信区间为: ? y 的个别值的预测区间估计 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 y0在1-?置信水平下的预测区间为 【例】根据前例，求出1990年人均国民收入为1250.7元时，人均消费金额的95%的预测区间 解：根据前面的计算结果有 ＝712.57，Sy=14.95，t???(13-2)＝2.201，n=13 置信区间为 影响区间宽度的因素 1. 置信水平 (1 - ?) 区间宽度随置信水平的增大而增大 2. 数据的离散程度 (s) 区间宽度随离散程度的增大而增大 3. 样本容量 区间宽度随样本容量的增大而减小 4. 用于预测的 xp与?x的差异程度 区间宽度随 xp与?x 的差异程度的增大而增大 置信区间、预测区间、回归方程 多元线性回归 1 多元线性回归模型 2 回归方程的拟合优度 3 显著性检验 学习目标 1.回归模型、回归方程、估计的回归方程 2.回归方程的拟合优度 3.回归方程的显著性检验 4.用 Excel 进行回归分析 多元回归分析模型 y = b0 + b1