回归系数的统计推断.pptVIP

一、估计量的性质 二、回归估计量的方差 第8.4节 回归系数的统计推断 三、总体方差 的一个无偏估计量为 四、a和b 的区间估计 五、 的区间估计 六、y 的样本变差的分解 七、回归方程的显著性检验 八、回归分析的表述 九、利用Excel进行回归分析的步骤 (3) 由于 均为相互独立正态变量 的线性组合，根据正态分布的性质，它们也一定是正态的。 一、估计量的性质 (1) 估计量 分别是a、b 的无偏估计量； 二、回归估计量的方差 (2) 三、总体方差 的一个无偏估计量为 它们的算术平方根分别称为a、b估计量的标准误差。 四、a 和 b 的区间估计 置信水平为 的区间估计为 五、 的区间估计 的置信水平为 的区间估计是： 其中 =0 六、y的样本变差的分解 其中 故 反映了 的分散程度, (由x因素引起） 反映了由其它因素对 影响程度, 回归平方和 残差平方和 且 总平方和lyy(SST) = 回归平方和U(SSR) + 残差平方和Q(SSE) 其中 当lyy 给定后, 由U与Q的相对大小可刻画 x 对Y 的线性影响程度： 即比值 越大,说明x 对Y 的线性影响就越强. 假设变量Y与x变量满足 Y= a + bx+ε (*) 其中ε是随机误差,假定ε～N(0,σ2). 若 H0:b=0成立,则(*)变成 Y= a +ε,自变量x对因变量Y没有线性影响,即回归方程不显著;若假设不成立,则自变量x对因变量Y有线性影响,即线性方程是显著的.所以,假设检验的原假设为 H0: b = 0 ; 备择假设为 H1: b ≠ 0. 由于 因此对于给定的显著性水平α,当 F Fα (1,n-2)时,则否定原假设, 即认为回归方程是显著的. 七、回归方程的显著性检验 1.回归系数的F检验 (1) 提出原假设 H0:b=0; (2) 选择统计量 (3) 对给定的显著性水平α, 查临界值Fα (1,n-2), 得否定域为F Fα (1,n-2); (4) 代入样本信息,F落入否定域则否定原假设,线性关系显著; 落入接受域则接受原假设,线性关系不显著. Fα(1, n-2) α 单侧假设检验 F 2.回归系数的t检验 因为“ ”, 所以 故当 时, 则否定原假设, 即认为回归方程是显著的. (1) 提出原假设 H0:b=0; (2) 选择统计量 3.回归系数的相关系数检验法 (1) 提出原假设: H0: b = 0 ; (2) 选择统计量 (3) 对给定的显著性水平α，查临界值rα(n-2)，得否定域为R rα(n-2); (4) 代入样本信息, R落入否定域则否定原假设, 线性关系显著; 落入接受域则接受原假设, 线性关系不显著. 我们从一组样本数据进行回归系数的估计，得到经验回归方程，因为还要进行区间估计、显著性检验，所以必须求出回归估计量的标准误 ，以及判定系数 ，通常可写成表达式： 其中括号内填写相应的t-检验显著性概率值。这样就较全面地表述了样本回归估计式。 八、回归分析的表述 解 价格 销量 例1 为确定某商品供给量 y 和价格 x 之间的关系，任取10对数据作为样本，算得平均价格为 8(元), 平均供给量为 50(公斤), 且 (1) 试建立供给量对价格的线性回归方程; (2) 对所建立的线性回归方程进行显著性检验 (α=0.05). (1) 计算 回归方程为 (2) H0: b=0 查表得 故否定域为F 5.32 ，代入得: ，所以否定原假设, 线性关系显著. 或者 ，所以回归效果显著. 解 价格 销量 例1 为确定某商品供给量 y 和价格 x 之间的关系，任取10对数据作为样本, 算得平均价格为 8(元), 平均供给量为 50(公斤), 且 (1) 试建立供给量对价格的线性回归方程; (2) 对所建立的线性回归方程进行显著性检验 (α=0.05). (1) 将试验数据录入到Excel表中，建立数据文件； (2) 在Excel菜单“插入”的下拉菜单中依次选择 “图表”、“散点图”，并根据问题的实际情况选择合适的散点图类型，并在“输入区域”输入正确的数据范围或用鼠标拖过数据区，依次单击“下一步”及“确定”，即可得两变量的散点图; (3) 根据散点图做初步的直观分析， 如果两变量之间具有比较明显的线性关系，再进一步作一元线性回归分析； (4) 在