第9章一元线性回归分析分析.ppt

判定系数的特点 判定系数是非负的统计量； 判定系数取值范围： ； 在一元线性回归中，判定系数在数值上是简单线性相关系数的平方。 判定系数可以衡量线性关系的强弱，它表示y取值的变差中能够被x与y的线性关系来解释的部分所占的比例。（p280） 估计标准误差(standard error of estimate) 实际观察值与回归估计值误差平方和的均方根 反映实际观察值在回归直线周围的分散状况 对误差项?的标准差?的估计，是在排除了x对y的线性影响后，y随机波动大小的一个估计量 反映用估计的回归方程预测y时预测误差的大小（p280） 计算公式为 四、简单线性回归模型的检验 回归模型的检验包含的内容很多: 理论意义的检验 (取值的区间和符号是否符合理论和实际 ) ; 一级检验：（假设是否成立） 统计学检验（显著性检验） 线性关系的检验 检验自变量与因变量之间的线性关系是否显著 将回归均方(MSR)同残差均方(MSE)加以比较，应用F检验来分析二者之间的差别是否显著 回归均方：回归平方和SSR除以相应的自由度(自变量的个数k) 残差均方：残差平方和SSE除以相应的自由度(n-k-1) 线性关系的检验 (常用检验的步骤) 提出假设 H0：?1=0 线性关系不显著 2. 计算检验统计量F 确定显著性水平?，并根据分子自由度1和分母自由度n-2找出临界值F ? 作出决策：若FF ?,拒绝H0；若FF ?,不拒绝H0 回归系数的检验 2.在一元线性回归中，等价于线性关系的显著性检验 采用t检验 检验 x 与 y 之间是否具有线性关系，或者说，检验自变量 x 对因变量 y 的影响是否显著 回归系数显著性 t 检验的方法 (1) 提出假设 一般假设: 常用假设: (2) 计算统计量 (3)给定显著性水平α，确定临界值 (4) 检验结果判断 若 则拒绝原假设，而接受备择假设 五、简单线性回归模型预测 对因变量平均值的点预测值 ： 实例分析 一家食品连锁店主要在校园周边设分店，为研究销售额（y）（注：单位为千元）与学校人数（x）（注：单位为千人）之间的关系，搜集到10家分店的有关数据。 课后作业和思考题： 1、阅读1篇相关文献 2、分析书本后面第11.7题 3、参看张红兵主编的《SPSS宝典》、参看中国人民大学出版社的《统计学在经济和管理中的应用》 24 This teleology is based on the number of explanatory variables nature of relationship between X Y. 相关系数（度量两个变量线性关系的统计量） ●总体相关系数 对于所研究的总体，表示两个相互联系变量相关程度 的总体相关系数为： 总体相关系数反映总体两个变量X和Y的线性相关程度。 ● 样本相关系数 x和y的样本相关系数通常用 表示 ★相关系数的特点： 相关系数的取值在-1与1之间。 当r=0时，表明X与Y没有线性相关关系。 当 时，表明X与Y存在一定的线性相关关系: 若 表明X与Y 为正相关; 若 表明X与Y 为负相关。 当 时，表明X与Y完全线性相关: 若r=1，称X与Y完全正相关； 若r=-1，称X与Y完全负相关。 相关系数的经验解释 |r|?0.8时，可视为两个变量之间高度相关 0.5?|r|0.8时，可视为中度相关 0.3?|r|0.5时，视为低度相关 |r|0.3时，说明两个变量之间的相关程度极弱，可视为不相关 上述解释必须建立在对相关系数的显著性进行检验的基础之上 ★使用相关系数的注意事项： X和Y 都是相互对称的随机变量，所以 计量单位会不会影响相关系数？ 相关系数只反映变量间的线性相关程度，不 能说明非线性相关关系。 相关系数不能确定变量的因果关系，也不能 说明相关关系具体接近于哪条直线。 实例分析 X Y 1 1 2 3 3 3 4 5 10 10 试求相关系数。 9.1.4相关系数的显著性检验 为什么要检验？检验什么？怎么检验？ 检验的依据： 如果X和Y都服从正态分布，在总体相关系 数 的假设下，与样