应用统计学：回归答题.ppt

3、比较两个回归 比较英国在第二次大战后重建时期和重建后时期的总储蓄-收入关系是否发生变化。数据如表。 D=1,重建时期 =0,重建后时期 级差截距:区分两个时期的截距 级差斜率系数:区分两个时期的斜率 级差截距和级差斜率系数都是统计上显著的，表示两个时期的回归是相异的 D=1 D=0 新食品定价和广告策略研究例 虚拟变量模型与方差分析 协变量调整前 协变量调整后 五、线性回归过程 选择建立回归方程的方法 可以对不同的自变量采用不同的引入方法 选择进入回归分析的样本点 加权最小二乘法，单击此按钮可输入加权变量 方法选择框： 建立回归方程的方法有五种可供选择： 进入（强迫引入法）：定义的全部自变量均引入方程。 移去（强迫剔除法）：定义的全部自变量均剔除。 向前（向前引入法）：自变量由少到多一个一个引入回归方程，直到不能按检验水准引入新的变量为止。缺点：当两个变量一起时效果好，单独时效果不好，有可能只引入其中一个变量，或两个变量都不能引入。 方法选择框： 向后（向后剔除法）：自变量由多到少一个一个从回归方程中剔除，直到不能按检验水准剔除为止。能克服向前引入的缺点。 逐步（逐步回归）：将向前引入法和向后剔除法结合起来，在向前引入的每一步之后都要考虑从已引入方程的变量中剔除作用不显著的变量，直到没有一个自变量能引入方程，也没有一个自变量能从方程中剔除为止。缺点同向前引入法，但选中的变量比较精悍。 “统计量”对话框 D-W检验：检验随机误差项的独立性（序列相关性） 个案诊断：特异值或全部样本，显示其标准化残差、实测值、预测值和残差。 默认选项 共线诊断 “图”对话框 散点图：输入纵坐标和横坐标。为获得更多散点图，可单击“next”按钮 标准化残差图 直方图 残差的正态概率图 DEPENDENT:因变量，*ZPRED:标准化预测值，*ZRESID:标准化残差， *DRESID:删除的残差，*ADJPRED:调整预测值，*SRESID:student氏残差，*SDRESID: student氏删除残差。 预测值的标准误 预测区间估计：均值的预测区间和个体y值的预测区间 “保存”对话框 “选项”对话框 逐步方法准则：以F的概率p值为准则或以F值为准则（均给出引入值和剔除值），当F的p值小于等于引入值时，引入相应变量；当F的p值大于等于剔除值时，剔除相应变量。 本章小结 多元回归模型 多元回归模型描述了被解释变量与诸解释变量的依赖关系 偏回归系数?i表示其它解释变量不变的条件下，第i个解释变量变化对被解释变量的 “净” 影响。 偏回归系数的估计方法：最小二乘估计 当经典假设满足时，OLS估计量为最优线性无偏估计量 多元回归模型的建模过程 明确所研究的问题，确定因变量 通过定性分析，找到导致因变量变化的主要影响因素，作为解释变量 收集数据，整理数据，数据的初步分析 分析因变量与各解释变量间关系的性质，确定模型的函数形式 建立计量模型，确定各偏回归系数的先验符号 多元回归模型的建模过程（续） 用OLS估计模型的参数，并作各种检验 经典假设检验：多重共线、异方差、序列相关 如果存在异方差/序列相关，统计检验无效 统计检验：t检验，F检验，判定系数 经济意义检验：各偏回归系数的符号是否与预期一致 筛选完善模型： 不遗漏重要变量，无多余变量，参数经济意义合理 模型的应用：预测、结构分析、政策建议 注意：不同形式模型偏回归系数的经济含义 回归建模示例1：粮食生产模型 根据理论和经验分析，影响粮食生产（Y）的主要因素有： 农业化肥施用量（X1）， 粮食播种面积(X2)，成灾面积(X3)，农业机械总动力(X4)， 农业劳动力(X5) 已知中国粮食生产的相关数据，建立中国粮食生产函数： Y=?0+?1 X1 +?2 X2 +?3 X3 +?4 X4 +?4 X5 +? 模型估计结果 无异方差，无序列相关，存在多重共线 差分消除共线 经检验，无异方差，无序列相关，无多重共线，可剔除两个不显著变量 剔除两个不显著变量 剔除变量法：先剔除“劳动力” 剔除“劳动力”和“机械总动力” 可检验无序列相关，无异方差 * 在多元回归中，由于变量总数不只两个，所以，任何两个变量之间的相关关系对可能受到其他变量的影响。在这种情况下，某对变量间的简单相关系数所反映的并不是则对变量之间的纯相关关系，而是受到了其余变量的影响而发生了变异的相关关系。要考虑两个变量间的纯相关关系，必须排除其他变量的影响，或者说必须使其他变量保持不变。 * 例如：y表示农作物收成，x2表示降雨量，x3表示气温。假定农作物收成y与降雨量无关，即r12=0，再假定r13是正的，r23是负的，那么，收成与降雨量之间的偏相关系数计算公式表明，收成与降雨量的偏相关系数是正的，就是说，