第三章双变量.模型 假设检验.pptVIP

* 四、回归分析结果的报告 Se= (16.9061)(0.000245) t= (25.5774)(0.0006) r2=0.7849 P值=（5.85*10-9）（0.0006） d.f.=8 数学S.A.T一例 样本回归函数 估计的回归系数的标准误 t值=估计的系数/其标准误 t值所对应的P值 判定系数 如果没有设定特殊的零假设，习惯性地规定零假设：总体参数为零。 若拒绝零假设，检验统计量是显著的，说明真实的总体参数不为零。 H0： ?1=0，H1：?1?0 H0： ?0=0，H1：?0?0 预先设定一个可接受的P值水平，通常为1%、5%、10% 临界P值计算P值 临界P值计算P值 不能拒绝零假设 拒绝零假设 * P值=（5.85*10-9）（0.0006） d.f.=8 H0： ?1=0，H1：?1?0 H0： ?0=0，H1：?0?0 H0： ?0=450，H1：?0?450 接上例： 如果： 对应的P值为0.3287 若设定的临界P值为10% 由于本例中计算的P值大于临界P值，所以接受零假设 若设定的临界P值为1% 由于本例中计算的P值小于临界P值，所以拒绝零假设，即每个估计系数是统计显著的。 * 第四节 模型预测 数学S.A.T一例 回归分析的目的之一是： 根据解释变量的值 应变量的均值 预测 假定解释变量的值为某一固定值X0 需要估计 注意：严格地说，这只是被解释变量的预测值的估计值，而不是预测值。 原因1：参数估计量不确定 原因2：随机项的影响 * 第四节 模型预测 数学S.A.T一例 根据前述（3-46）的回归分析的结果可知，参数估计量是显著的，模型通过了统计检验，可以进行预测。 需要估计该收入下数学分的实际均值 假定家庭年收入值X0=78000 当家庭年收入为78000美元时，预测的数学平均分数为534分。 * ?0是条件均值E(Y|X=X0) 的一个无偏估计 当X=X0时, 可见，?0是条件均值E(Y|X=X0)的无偏估计。 但对于任一给定样本， 是一个估计量， ,两者之差称为预测误差。 为了估计这个误差，需要求出 的抽样分布 一方面 另一方面 * 第四节 模型预测 总体均值预测值的置信区间 由于 可以证明 在1-?的置信度下，总体均值E(Y|X0)的置信区间为： 以 代替 * 第四节 模型预测 总体均值预测值的置信区间 总体均值E(Y|X0)95%的置信区间为： 数学S.A.T一例 若家庭年收入为78000美元，预测的数学平均分数以95%的置信度落在507.9~559.8之间，一个最优估计值为533.8。 （3-55） * 第四节 模型预测 总体回归线的置信带 如果对表2-2中的每个X值建立诸如（3-55）的一个95%的置信区间，则可以得到对应于每个家庭年收入水平下的真实数学分数的置信区间或置信带，即总体回归线的置信带。 * 第四节 模型预测 总体回归线的置信带 当 时，置信带的宽度最小，在此附近进行预测精度越大 越远离均值，置信带越宽，预测可信度下降 * 五、正态性检验 上述的统计检验过程以误差项服从正态分布为基础 真实的误差项无法直接观察，因此，通过残差来获悉误差项的正态性。检验方法有： 然而，上例中的误差项是否服从正态分布呢？ 残差直方图 雅克-贝拉检验（JB test) 正态概率图 * 回归分析概述 参数估计 模型检验 模型预测 双变量线性回归模型-小结 * 双变量线性回归模型-小结 这两章介绍了回归分析的基本思想与基本方法。从总体回归模型与总体回归函数、样本回归模型和样本回归函数这两组概念开始，建立了回归分析的基本思想。 总体回归函数是对总体变量间关系的定量表述，由总体回归模型若干基本假设下得到，但它只是建立在理论之上，在现实中只能先从总体中抽取一个样本，获得样本回归函数，并用它对总体回归函数做出统计推断。 * * * 证明最小方差性 其中，ci=ki+di，di为不全为零的常数 则容易证明 * 全部估计量 BLUE估计量的图形表示 线性无偏估计量 BLUE估计量 第二节 参数估计-小结 古典线性回归模型的基本假设 最小二乘估计量的性质 普通最小二乘估计量的方差与标准误 参数的普通最小二乘估计 i=1,2,…,n * 结构参数 分布参数 第三节 统计检验 回归分析是要通过样本所估计的参数来代替总体的真实参数，或者说是用样本回归线代替总体回归线。 尽管从统计性质上已知，如果有足够多的重复抽样，参数的估计值的期望（