《概率论与数理统计》第八章讲义解析.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 在观测数据给定后，不同的曲线选择不会影响 的取值，但会影响到残差平方和 的取值。因此，对选择的曲线而言，决定系数和剩余标准差都取决于残差平方和 ，从而，两种选择准则是一致的，只是从两个不同侧面作出评价。 表8.5.4给出第一个曲线回归方程的残差平方和的计算过程， 由于n=13， ， 故其决定系数及剩余标准差分别为： 其它三个方程的决定系数及剩余标准差可同样计算，我们将它们列在表8.5.5中。 表8.5.5 四种曲线回归的决定系数及剩余标准差 模型编号 1) 2) 3) 4) R2 0.9729 0.8773 0.7851 0.9623 s 0.2285 0.4864 0.6437 0.2696 从表8.5.5中可以看出，第一个曲线方程的决定系数最大，剩余标准差最小，在这四个曲线回归方程中，不论用哪个标准，都是第一个方程拟合得最好。因此，近似得比较好的定量关系式就是 * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 定理8.4.1 在模型(8.4.5)下，有 （1） （2） （3）对给定的x0， 关于最小二乘估计的一些性质罗列在如下定理之中 定理8.4.1 说明 分别是?0, ?1的无偏估计； 是E(y0)=?0+ ?1 x0的无偏估计； 除 外， 与 是相关的； 要提高 的估计精度（即降低它们的方 差）就要求n大，lxx大（即要求x1, x2,?, xn较 分散）。 8.4.4 回归方程的显著性检验 在使用回归方程作进一步的分析以前，首先应对回归方程是否有意义进行判断。 如果?1=0，那么不管x如何变化，E(y)不随x的变化作线性变化，那么这时求得的一元线性回归方程就没有意义，称回归方程不显著。如果?1?0，E(y)随x的变化作线性变化，称回归方程是显著的。 综上，对回归方程是否有意义作判断就是要作如下的显著性检验：H0：?1=0 vs H1： ?1?0 拒绝H0表示回归方程是显著的。 一、F 检验 采用方差分析的思想，我们从数据出发研究各yi不同的原因。 数据总的波动用总偏差平方和 表示。引起各yi不同的原因主要有两个因素：其一是H0可能不真，E(y)随x的变化而变化，从而在每一个x的观测值处的回归值不同，其波动用回归平方和 表示；其二是其它一切因素，包括随机误差、x对E(y)的非线性影响等，这可用残差平方和 表示。 且有如下平方和分解式： ST= SR + Se (8.4.13) 在一元线性回归中有三种等价的检验方法，下面分别加以介绍。 定理8.4.2 设yi=?i+ ?1 xi + ?i，其中?i ??n相互独立， 且E?i=0，Var(yi)=? 2，i=1,?,n，沿用上面的记号，有 (8.4.14) (8.4.15) 这说明 是? 2的无偏估计。 关于SR 和 Se所含有的成分可由如下定理说明。 进一步，有关SR 和 Se的分布，有如下定理。 定理8.4.3 设 y1, y2,?, yn 相互独立，且 yi～N(?i + ?1 xi , ? 2)， i=1, ?, n， 则在上述记号下，有 （1）Se /? 2 ~? 2(n?2)， （2）若H0成立，则有SR /? 2 ~? 2(