管理学研究方法04-统计分析方法(一)管理学研究方法04-统计分析方法(一).ppt

* * 6. 模型的假设 ☆ 模型: y = β0 +β1x +ε ☆ 假设及含义 ε~ N(0,σ2 ) εi 是独立的(不相关) εi与x是不相关的 -- cont’ 如何看统计软件（计算机）输出结果？ 估计的回归方程的表述 模型： y =β0 +β1 x +ε 估计结果 （以一个收入--消费关系为例）： （6.4138) (0.0357) →估计标准误差 (3.8128) (14.2605) → t 值 R2 = 0.9621 R2 (adj) =0.9574 F = 203.088 4.2 多元线性回归模型 模型及其含义 模型的假设 多元回归模型的估计 多重判定系数(可决系数) 多元回归模型的检验 多元回归模型的应用问题 1. 模型及其含义 多元回归模型 yi = β0+β1x1i+β2x2i+ … +βpxpi+εi βi 为偏回归系数, β0 为常数项 εi为随机误差项 多元回归方程 E(yi|x1i,x2i,…,xpi) = β0+β1x1i+β2x2i+ … +βpxpi εi= yi - E(yi|x1i,x2i,…,xpi) 多元回归方程和偏回归系数的含义 2. 模型的假设 E(εi)=0 Var(εi)=σ2 εi是独立的,正态分布的随机变量 cov(εi,xi)= cov(εi,xj)=0 无多重共线性: 即没有λixi+λjxj=0成立 3. 多元回归模型的估计 基本思想 方法（OLS方法） 结果 例子 4.多重判定系数(可决系数) 平方和分解公式: SST=SSR+SSE 多重判定系数(可决系数) R2=SSR/SST R2的意义 调整后的R2 意义或作用: -- 用于两个模型的比较（两个模型相同含义、形式，但自变量不同） -- 由于判定系数的值随着进入回归方程的自变量个数（或样本容量）的增加而增大，为了消除自变量的个数及样本大小对其的影响，而进行调整。 5. 多元回归模型的显著性检验 R2和调整后的R2 t - test 　　H0: βi=0　 H1 :βi ≠0 F - Test H0: β1= β2 = … = βp = 0 H1: 至少有一个βj不为零 估计模型的检验与评价 ★ 判定系数R2充分大(越大越好) 　★ t--检验统计量显著(一般地,│t│≥2) ★ F--检验统计量显著(一般地, F 值≥20，可查表！) 　★ 变量间确有实际关系, 或模型有实际意义 Testing for Significance: F Test 假设（Hypotheses） ： H0: ?1 = ?2 = . . . = ?p = 0 Ha: 至少有一个不为零 检验统计量（Test Statistic） ： F = MSR / MSE 拒绝规则（ Rejection Rule ）： Reject H0 if F F? F? 为服从F分布的临界值 （分子的自由度为p，分母的自由度为n - p - 1 ） Testing for Significance: t Test 假设（Hypotheses） H0: ?i = 0 Ha: ?i = 0 检验统计量（Test Statistic） 拒绝规则（Rejection Rule）： Reject H0 if t -t????or t t???? t??? 为t 分布的临界值（自由度为n - p - 1 ）. Example: Programmer Salary Survey A software firm collected data for a sample of 20 computer programmers. A suggestion was made that regression analysis could be used to determine if salary was related to the years of experience and the score on th