第10章相关与回归分析(免费阅读).pptVIP

第一章 绪论 第10章 相关与回归分析  度量变量之间线性相关关系密切程度的指标 反映两变量间线性相关关系的统计指标称为简单相关系数；反映多元线性相关关系的统计指标称为复相关系数。 若相关系数是根据总体全部数据计算的，称为总体相关系数，记为? 若是根据样本数据计算的，则称为样本相关系数，记为 r 相关系数的取值及其意义 r 的取值范围是 [-1,1] |r|=1，为完全相关 r =1，为完全正相关 r = -1，为完全负相关 r = 0，不存在线性相关关系（不相关） -1?r0，为负相关 0r?1，为正相关 |r|越趋于1表示关系越密切；|r|越趋于0表示关系越不密切 用Excel计算相关系数 ? 对不良贷款与贷款余额之间的相关系数进行显著性检验(??0.05) 提出假设：H0：? ? ? ；H1： ? ? 0 计算检验的统计量 各相关系数检验的统计量 2.简单线性回归模型可表示为 Y 是X的线性函数(部分)加上误差项 线性部分反映了由于 X 的变化而引起的 Y 的变化 误差项 ε是随机变量 反映了除 X 和 Y之间的线性关系之外的随机因素对 Y 的影响 是不能由 X 和 Y 之间的线性关系所解释的变异性 β0和 β1 称为回归模型的参数 描述 Y的平均值或期望值如何依赖于X 的方程称为回归方程 简单线性回归方程的形式如下： 不良贷款对贷款余额回归方程的图示 变量间关系的度量 回归模型、回归方程与估计的回归方程 回归直线的拟合优度 回归分析中的显著性检验 估计和预测 用Excel 进行回归分析 实际观察值与回归估计值离差平方和的均方根 反映实际观察值在回归直线周围的分散状况 对误差项?的标准差?的估计，是在排除了x对y的线性影响后，y随机波动大小的一个估计量 反映用估计的回归方程预测y时预测误差的大小 计算公式为 2.估计标准误 注：前例题中不良贷款的估计标准误为1.9799 在简单线性回归中，等价于线性关系的显著性检验 检验 X 与 Y 之间是否具有线性关系，或者说，检验自变量 X 对因变量 Y 的影响是否显著 理论基础是回归系数 的抽样分布 回归系数的显著性检验 1.t检验 提出假设: 确定检验统计量: 给定显著性水平α，确定临界值: 确定原假设的拒绝规则: 计算检验统计量并做出决策。 t检验步骤 t检验(例题分析) ?对例题的回归系数进行显著性检验(?＝0.05) 提出假设 H0：β1 = 0 H1：β1 ? 0 计算检验的统计量 t=7.533515t???=2.201，拒绝H0，表明不良贷款与贷款余额之间有线性关系 0 -10 -7 -9 -2 5 3 -5 4 13 8 95546 7426 8000 7776 9020 10292 10080 8840 10492 12180 11440 - 47.29 49.45 51.61 53.76 55.92 58.08 60.24 62.39 64.55 66.71 估计值 1670 158 160 162 164 166 168 170 172 174 176 身高 0 33032 279220 570 -9.71 -7.55 -5.39 -3.24 -1.08 1.08 3.24 5.39 7.55 9.71 2209 2500 2304 3025 3844 3600 2704 3721 4900 4225 24964 25600 26244 26896 27556 28224 28900 29584 30276 30976 47 50 48 55 62 60 52 61 70 65 A B C D E F G H I J 体重 学生 拒绝原假设，接受备择假设。即可以认为 B1明显地不等于零，X 与 Y 存在显著的线性关系。 2.F检验 检验自变量与因变量之间的线性关系是否显著 将回归均方(MSR)同残差均方(MSE)加以比较，应用F 检验来分析二者之间的差别是否显著 回归均方：回归平方和SSR除以相应的自由度(自变量的个数p) 残差均方：残差平方和SSE除以相应的自由度(n-p-1) 提出假设 H0：?1=0 线性关系不显著 2. 计算检验统计量F 确定显著性水平?，并根据分子自由度1和分母自由度n-2找出临界值F ? 作出决策：若FF ?,拒绝H0；若FF ?,不拒绝H0 F检验步骤 提出假设 H0： ?1=0 不良贷款与贷款余额之间的线性关系不显著 计算检验统计量F 确定显著性水平?=0.05，并根据分子自由度1和分母自由度25-2找出临界值F ?=4.28 作出决策：若FF ?,拒绝H0，线性关系显著 F检验检验(例题分析) 线性关系的检验(方差分析表) Excel 输