浙大宁波理工学院计量经济学第二章一元线性回归分析讲义.pptVIP

第二章 一元线性回归分析2.5 回归参数的显著性检验和区间估计 置信度： 1-α称为置信度。 置信度和置信区间的理解 给定置信系数为95%，从长远看，每100个某种置信区间中，将有95个包含着真实的β1值，不可以说，某个特定的区间有95%的概率包含着真实的β1，因为这个区间已经固定而不再是随机的了，那么，β1要么落入其中，要么落在其外。因此，这个给定的固定区间包含着真实的β1的概率不是1就是0。 第二章 一元线性回归分析2.6 回归方程的显著性检验和拟合优度 检验回归方程是为了验证样本回归方程 是否真正反映了变量y与变量x之间的统计规律性。 2.6.1 相关系数的显著性检验 1、相关系数的定义与性质 设（xt，yt）（t=1，2，…，n）是（x，y）的n 组样本观测值，则 为x与y样本相关系数。 其中， 第二章 一元线性回归分析2.6 回归方程的显著性检验和拟合优度 相关系数 相关性质 r=-1 完全负相关（线性） r=0 不存在线性相关 r=1 完全正相关（线性） 0＜|r|＜1 存在线性相关关系 r反映了x与y之间线性相关程度大小。r绝对值的取值范围在0与1之间，即0≤|r|≤1。 相关系数的性质： 第二章 一元线性回归分析2.6 回归方程的显著性检验和拟合优度 2、相关系数的显著性检验 样本相关系数是随机得到的，是对总体相关系数的估计，因此要进行显著性检验。 相关系数显著性检验的步骤： （1）计算样本相关系数r值。 （2）给定显著性水平α，查相关系数表的临界值 。 （3）判定：若|r|＞ ，则x与y有显著的线性关系；若|r|＜ ，则意味着x与y的线性关系在统计上不显著。 提醒：这里仅仅判断的是x与y之间有无线性关系，即使两者没有线性关系，不意味着两者之间也没有非线性关系。 第二章 一元线性回归分析2.6 回归方程的显著性检验和拟合优度 相关系数 r 与回归系数 的关系 对于同一样本，检验 相关系数r与回归系数 是否显著是等价的，都可 以用于判断x与y之间有无 线性关系。 第二章 一元线性回归分析2.6 回归方程的显著性检验和拟合优度 2.6.2 拟合优度检验 拟合优度 回归直线与样本数据趋势的吻合程度。 现实中没有一条样本回归直线可以完全拟合样本数据。对于同一组数据，可以拟合出不同的回归直线。 样本决定系数或可决系数 拟合优度的高低表明了观测点离回归直线的远近，常采用样本决定系数 来衡量。 第二章 一元线性回归分析2.6 回归方程的显著性检验和拟合优度 1、总离差平方和的分解 设由样本观测值（xt，yt）得到的样本回归直线为： ，因变量的观测值可分解成 和 之和： = + ，即： - = - + 对于全部观测值求平方和，有： +2 因为 =0，所以有： 第二章 一元线性回归分析2.6 回归方程的显著性检验和拟合优度 上式可表示为：TSS=ESS+RSS 总离差平方和 TSS= ，是因变量的观测值与其均值的离差平方和，成为，反映了因变量波动的大小。 回归平方和 ESS= ，是因变量的估计值与其均值的离差平方和，反映了解释变量的变化所引起的y的波动，是总离差中被y对x的回归解释的那部分。 残差平方和 RSS= = ，是因变量的观测值与估计值之差的平方和，反映了y的变化中不能由解释变量x所解释的那部分变差。 第二章 一元线性回归分析2.6 回归方程的显著性检验和拟合优度 2、样本决定系数的计算 样本决定系数是ESS与TSS之比，用来反映样本回归直线与全部观测值之间的拟合优度。 或 =1- =1- 在总离差平方和TSS中，回归平方和ESS所占比重越大，线性回归效果越好，即回归直线与样本观测值的拟合优度越高。 = 第二章 一元线性回归分析2.6 回归方程的显著性检验和拟合优度 样本决定系数 的意义 它计量了y的总变差中可以归因于x和y之间关系的比例，或者说y的变动中可以由x的变动来解释的比例。 它测度了回归直线对各观察点拟合紧密程度，说明了样本回归直线的解释能力。 的取值范围 [ 0 ， 1 ] 拟合优度高 拟合优度低 第二章 一元线性回归分析2.6 回归方程的显著性检验和拟合优度 样本决定系数和相关系数