第11章 相关回归分析.pptVIP

第11章 一元线性回归分析 11.1 相关与回归的基本概念 11.2 线性相关与回归分析 学习目标 1. 理解简单线性相关系数的涵义,掌握其计算和检验 2. 理解总体回归函数与样本回归函数的概念 3. 理解简单线性回归的基本假定 4. 掌握简单线性回归参数的估计与检验 11.1 相关与回归的基本概念 相关分析 用一个指标(相关系数)去表明变量间相互依存关系的性质和密切程度 不能说明变量间相关关系的具体形式,不能从一个变量的变化去推测另一个变量的具体变化 相关分析与回归分析的区别 研究目的不同:相关分析是分析变量间相互联系的方向和程度;回归分析是寻求变量间联系的具体数学形式 对变量的处理方式不同:相关分析不区分自变量和因变量,并将两个变量都视为随机变量;回归分析必须明确划分自变量和因变量,并将自变量视为取固定值的非随机变量,而将因变量视为具有一定概率分布的随机变量. 11.2 线性相关与回归分析 相关分析要解决的问题 变量之间是否存在关系 变量之间的关系强度如何 样本所反映的变量之间的关系能否代表总体变量之间的关系 线性相关分析的步骤 绘制散点图，判断变量之间的关系形态. 计算相关系数，测度变量之间的关系强度. 对相关系数进行显著性检验 相关系数的检验方法 给定显著性水平 ， 查自由度为 n-2 的临界值 若 ，表明相关系数 r 在统计上是显著 的，应否定 而接受 的假设； 反之，若 ，应接受 的假设。 回归分析要解决的问题 确定变量之间的数学关系式 对数学关系式的可信程度进行统计检验 利用所得关系式估计因变量的取值，并给出这种估计的可靠程度. 一元线性回归模型 1.基本概念 因变量:被预测或被解释的变量 自变量:用来预测或解释因变量的一个或多个变量 当回归中只涉及一个自变量,且因变量与自变量之间为线性关系时称为一元线性回归. 用来表示具有线性关系的两个变量的方程称为线性回归模型. 一元线性回归模型的数学表达 y=β0+β1x+ε β0+β1x 反映了由于x变化而引起的y的线性变化；ε是被称为误差项的随机变量，反映了除自变量以外的其他随机因素对因变量的影响。 估计标准误差 是均方残差的平方根，用Se来表示。 计算公式：见P330式11.16 作用：反映了用估计的回归方程预测因变量时预测误差的大小。 是一个样本统计量，是一元线性回归模型中误差项ε的标准差的估计值。 显著性检验 1.线性关系的检验 目的:检验自变量和因变量之间的线性关系是否显著. 原理:以回归平方和与残差平方和为基础构造检验统计量,服从F分布. 步骤: (1)提出假设: H0:β1=0 两个变量之间的 线性关系不显著 线性关系的检验 (2)计算检验统计量F (3) 作出决策:根据显著性水平计算临界值,若F大于临界值则拒绝H0,表明两个变量之间的线性关系是显著的;反之,则不拒绝H0. 回归系数的检验 目的:检验自变量对因变量的影响是否显著,即检验回归系数β1是否等于零. 原理:利用β1的估计值的分布构造检验统计量,服从t分布. 步骤: 提出假设: H0:β1=0 计算检验统计量 作出决策 回归分析结果的评价 估计的回归系数的符号是否与理论或事先预期一致 回归模型在多大程度上解释了因变量取值的差异：用判定系数度量 自变量与因变量之间是否存在显著的线性相关关系：用F检验和t检验判断 关于误差项ε的正态性假定是否成立：画出残差的直方图或正态概率图 区间估计 1.平均值的置信区间估计:对于x的一个特定的值x0,求出y的平均值的区间估计. 方法:见P336式11.23 2.个别值的预测区间估计:对于x的一个特定的值x0,求出y的一个个别值的区间估计 方法:见P337式11.25 因变量的区间预测的特点 （2）预测区间与样本容量有关：样本容量n越 大，预测误差的方差越小，预测区间也越窄。 （3）当样本容量趋于无穷大（即n→∞）时, 不存在抽样误差，平均值预测误差趋于0，此时个别值的预测误差只决定于随机扰动的方差。 （4）当x0=x 时，预测区间最小。 注意事项 在利用回归方程进行估计或预测时，应尽量使自变量的取值在样本自变量的最小值和最大值之间，不要用超出这一范围的x值来预测对应的y值。 利用线性回归方程进行预测 1.点估计: