应用经济学课件_第8章相关与回归分析_图文.pptVIP

* * * * * * * * 124 Note: 1. As we move farther from the mean, the bands get wider. 2. The prediction interval bands are wider. Why? (extra Syx) 一元线性回归模型： ?0 和 ?1 称为模型的参数 ?0 + ?1x 称为模型的线性部分 它反映了由于 x 的变化而引起的 y 的变化 一元线性回归模型的建立 μ称为模型的误差项 它是随机变量 它反映了除x 和y 之间的线性关系之外的随机因素 对 y 的影响 它是不能由x和y 之间的线性关系所解释的变异 在回归分析中通常假定误差项μ服从正态分布，即 μ～N( 0,σ2 ) 一元线性回归模型： 一元线性回归方程： ——直线回归方程 ?0是回归直线在 y 轴上的截距，称为回归常数 它表示当 x=0 时 ，y 的期望值 ?1是回归直线的斜率，称为回归系数 它表示当x 每变动一个单位时，y 的平均变动值 估计回归方程： 是样本回归直线在 y 轴上的截距，也称为回归常数 它表示x=0时，y的期望值的估计值 是样本回归直线的斜率，也称为回归系数 表示x 每变动一个单位时，y 的平均变动值的估计值 ——样本回归直线 最小二乘法 使因变量的观察值与估计值之间的离差平方和最小 一元线性回归模型的参数估计 最小二乘法原理的图示 x y (xn , yn) (x1 , y1) ? ? ? ? ? ? ? ? ? (x2 , y2) (xi , yi) ｝ ei = yi-yi ＾ 样本回归方程： 回归参数计算公式： 经过平均值点： Excel在回归方程参数计算中的应用 方法一：利用分析工具库中的“回归”工具得到截距和斜率。 方法二：利用统计函数中的“INTERCEPT”和“SLOPE”分别计算出截距和斜率的值。 方法三：利用Excel的统计函数中的“LINEST”同时得到截距和斜率的值。 方法四：在Excel中通过为散点图添加趋势线的方法得到截距和斜率的值。 一元线性回归模型的检验 回归直线的拟合优度检验 回归关系的显著性检验 回归系数的显著性检验 回归直线的拟合优度检验 拟合优度：是指样本观测值聚集在样本回归直线 周围的紧密程度 测度指标：判定系数、相关系数、估计标准差 指标公式： （判定系数） （相关系数） （估计标准差） 总离差分解图 x y y { } } ? 总离差平方和的分解 SST = SSR + SSE 总离差平方和 (SST) { 回归平方和 (SSR) 残差平方和 (SSE) { { 三个平方和的意义 总离差平方和(SST) 反映因变量的所有观察值与其均值的总离差 回归平方和(SSR) 反映自变量 x 的变化对因变量 y 取值变化的影响， 或者说，是由于 x 与 y 之间的线性关系引起的 y 的取值变化，也称为可解释的平方和 残差平方和(SSE) 反映除 x 以外的其他因素对 y 取值的影响， 也称为不可解释的平方和。 判定系数R2的意义 反映在因变量y的总变差中有多少 是由于自变量x的变化引起的 反映在因变量y的总变差中有多少 可以用自变量和因变量的线性关系解释的 取值范围在 [ 0 , 1 ] 之间 R2 ?1，说明回归方程拟合的越好 R2 ?0，说明回归方程拟合的越差 Excel在回归直线的拟合优度检验中的应用 方法一：利用分析工具库中的“回归”工具得到判定系数。 注意：回归分析结果的“回归统计”表中的“R Square”表示判定系数 。 方法二：利用统计函数中的“RSQ”函数计算出判定系数。 方法三：通过为散点图添加趋势线的方法得到判定系数。 注意：在“添加趋势线”对话框的“选项”卡中勾选“显示R平方值”即可。 回归关系的显著性检验 它是检验自变量和因变量之间的线性关系是否显著 它是对所有参数感兴趣的显著性检验 假设：H0: β0=β1=0 H1: β0≠β1≠0 检验统计量： 检验步骤：教材P142 Excel在回归关系的显著性检验中的应用 方法：将回归分析结果的“方差分析”表中的 与给定的显著性水平α进行比较 当 时， 拒绝原假设，接受备择假设； 当