第四讲 关于线性拟合法的进一步讨论解析.pptVIP

关于线性拟合法的进一步讨论 有扰动项 一、建立模型 一元线性回归： 残差项或称随机扰动项 二、估计参数 二、估计参数 用最小二乘法进行参数估计，得到的估计表达式为： 三、进行检验 标准误差：估计值与应变量值间的平均平方误差。 三、进行检验 可决系数:衡量自变量与因变量关系密切程度的指标，表示自变量解释了因变量变动的百分比。 三、进行检验 相关系数 由公式可见，可决系数是相关系数的平方。相关系数越接近+1或-1，因变量与自变量的拟合程度就越好。 三、进行检验 相关系数与可决系数的主要区别： 相关系数测定变量之间的密切程度，可决系数测定自变量对因变量的解释程度。相关系数有正负，可决系数只有正号。 正相关系数意味着因变量与自变量以相同的方向增减。 如果直线从左至右上升，则相关系数为正 如果直线从左至右下降，则相关系数为负 三、进行检验 回归系数显著性检验 检验回归系数b在显著性水平ɑ上是否为零，进而判断自变量的变化能否解释因变量的变化 三、进行检验 回归模型的显著性检验 三、进行检验 德宾—沃森统计量（D—W） 三、进行检验 检验法则： 在D—W小于等于2时，D—W检验法则规定： 在D—W大于2时, D—W检验法则规定: 四、进行预测 小样本情况下,近似的置信区间的常用公式为： 例题分析 已知身高与体重的资料如下表： 试计算： （1）拟合适当的回归方程； （2）判断拟合优度情况； （3）对模型进行显著性检验；（α=0.05） （4）当体重为75公斤时，求其身高平均值的95%的置信区间。 例题分析 解答：（1）n=8，经计算得： 例题分析 因此，建立的一元线性回归方程为： 回归直线的拟合优度不是很理想。 例题分析 例题分析 预测思路 一、模型的基本类型和特征 1. 线性曲线 特征： 若增长曲线为一次曲线，则其一阶差分为常数。 适用于时间序列数据呈直线趋势的上升（或下降）变化。 一、模型的基本类型和特征 2.多项式非线性曲线 特征： 若增长曲线为二次抛物线，则其二阶差分为常数。 一、模型的基本类型和特征 3. 简单指数曲线 一、模型的基本类型和特征 4. 修正指数型增长曲线 描述对象在发展的初期和中期增长速度较快，随后增长速度逐渐下降，其图形接近于渐近线。其中k为饱和值。 一、模型的基本类型和特征 一、模型的基本类型和特征 5. 双指数曲线模型 一、模型的基本类型和特征 6. 龚帕兹（Compertz）模型 一、模型的基本类型和特征 一、模型的基本类型和特征 7. 逻辑（Logistic）增长型曲线模型 企业集团形 成发展行为， 技术创新扩 散的基本规 律，手机普 及率等。 二、模型识别 绘制坐标数据点，观察、选择模型。 选择样本序列的变化规律与增长曲线的变化规律在理论上最接近的一种曲线。 三、参数估计 1. 对于线性模型，用最小二乘法处理。 2. 一些非线性模型，可化为线性模型处理。 3. 其他类型，有一些特殊方法处理。 线性化方法 简单指数曲线、双指数曲线等等，可化为线性曲线，从而应用拟合曲线法拟合。 线性化方法 线性化方法 以上求解方法称为对数趋势法（又称指数趋势法）。它是指时间序列观察值的长期趋势呈指数曲线变化时，运用观察值的对数与最小二乘法原理求得预测模型的方法。 对数趋势法用于时间序列数据按指数曲线规律增减变化的场合。 二次曲线趋势外推法 假设曲线趋势外推预测模型为 二次曲线趋势外推法 选取参数的准则：使离差的平方和最小。 对三个参量求偏导，令其为0，可得方程组 二次曲线趋势外推法 若采用正负对称编号法 需计算 可求出参数 算例 例：某公司1995～2003年的商品销售收入如下表所示，试预测该公司2004年的销售收入为多少万元？ 算例 2）根据散点图确定其变化趋势（二次曲线），计算所需数据。 3）计算待定参数，建立预测模型，并计算预测值。 （三元非齐线性方程组） 算例 二次曲线的趋势外推预测模型为： 算例 其他一些模型的处理 双指数曲线模型 取对数，可化为二次曲线模型 其他一些模型的处理 龚帕兹（B.Gompertz）模型 三和法 取对数，可化为修正指数型增长曲线。 逻辑（Logistic）增长型曲线模型 取倒数，亦可化为线性曲线。 三点法 三点法 假设曲线通过增长曲线的始点、中间点和终点，带入曲线方程，得方程组，求出其三个参数值。 缺点：只用了三个值，一部分信息，难免有误差。 三和法 三和法又称三段和值法： 确定待定参数的思路是，在二次曲线模型上选取远、中、近期三点坐标作为预测模型待定参数a 、b、c的估计值。其具体作法为，使时间序列的总项数n为奇数（若为偶数，可删去最初的一个观察