预测与决策--3.一元线性回归.ppt

一、概述 回归分析的概念 回归分析就是研究相关关系的一种数学工具，它研究自变量的变动对因变量的变动的影响程度，目的在于根据已知自变量的变化来估计或预测因变量的变化情况。 回归分析的起源 回归分析预测法的内容 例2 假定一保险公司希望确定居民住宅区火灾造成的损失数额与该住户到最近的消防站的距离之间的相关关系，以便确定保险金额。下表列出了15起火灾事故的损失及火灾发生地与最近的消防站的距离。 例2 的散点图 一元线性回归基本思想 一元线性回归的主要内容 一元线性回归的理论模型 三、参数的估计 参数的估计 最小二乘法 参数的估计值 例1的计算表 例1的计算过程及结果 四、一元线性回归最常用的检验 相关系数检验法 回归方程显著性的F检验法 回归系数显著性的t检验法 回归余项线性独立的D-W检验法 离差分解示意图 总离差平方和分解 线性关系显著性检验 F检验 t检验 t检验 例1的检验 随机误差项的自相关问题 D.W 检验 D.W 检验 D.W 检验区间 DW检验例题 例3 根据下表数据，分析建立国民收入消费额的预测模型。 经过计算可得 自相关性产生的原因 DW检验的局限性 1、DW检验有两个不能确定的区域，一旦DW值落在这两个区域，就无法判断。只有增大样本容量或选取其它方法。 2、DW检验不适应随机项具有高阶序列相关的检验。 五、预测问题 预测问题 一元线性回归预测效果分析 控制问题 如果希望y值落在区间（ym，yM）之内，控制x的取值范围（xm，xM）；置信度为95.4％，因变量的置信区间（ym，yM） 总 结 思考题 某家用电器厂1993-2003年利润额数据资料如表所示。试预测2004、2005年该企业的利润。 假设 对立假设 t 检验用于检验回归系数的显著性。 可以证明： 在 成立的前提下： 其中 在 成立的前提下，构造 t 统计量为： 例1的回归模型为： 取 查表： 自相关性 就是经常存在的与此假设相违背的情况，即 当 时 说明：本节研究的自相关是 序列中阶差 为一的自相关，也称一阶自相关，是最为常见的一种情况。 是相互独立的随机变量，且与自变量无关。 在研究实际问题时，为了方便地对参数作区间估计 和假设检验，还假设 。 ① ② ③ 假设前提： 则检验假设 构造随机误差项的D.W统计量，记为d 其中： DW检验是一种只能用于检验随机误差项具有一阶自相关形式的序列相关问题的检验方法。 设随机误差项的一阶自相关系数为 ， 当n较大时，可以认为： 所以上式可写为： 误差项无自相关 误差项有正自相关 误差项有负自相关 误差项序列相关无法判定 正自相关 负自相关 不能确定 无自相关 不能确定 0 4 d D.W检验法 2 4820 6822 1985 1550 2348 1974 864 1000 1963 3895 5630 1984 1511 2318 1973 818 924 1962 3358 4730 1983 1404 2136 1972 763 996 1961 3054 4261 1982 1324 2077 1971 716 1220 1960 2799 3940 1981 1258 1926 1970 738 1222 1959 2531 3688 1980 1180 1617 1969 702 1118 1958 2195 3350 1979 1111 1415 1968 671 908 1957 1888 3010 1978 1124 1487 1967 622 882 1956 1741 2644 1977 1065 1586 1966 570 788 1955 1676 2427 1976 982 1387 1965 559 748 1954 1621 2503 1975 921 1166 1964 477 709 1953 消费额y 国民总收入 x 年份 消费额y 国民总收入 x 年份 消费额y 国民总收入 x 年份 单位：亿元 国民总收入与消费额散点图 相关系数： t检验： F检验： DW检验： 取 查表得 可知，存在正的自相关。 对本例的分析： 相关系数： t检验： F检验： DW检验： 取 查表得 只选取1970年～1985年的数据进行回归分析 因此，不存在自相关，检验通过。 1 遗漏关键变量时会产生自相关 2 采用错误的回归函数形式 3 随机因素之间自相关确实存在 对于给定的显著性水平 ，找一个区间 使对应于某特定的 的实际值 以 的概率被该 区间所包含。