管理统计学9一元线性回归讲述.ppt

9.6.2误差项的自相性关检验 如果观测值是来自一个时间序列的样本,则很可能 出现误差项 是不独立的,将残差 et与时间t 作残 差图,将呈现出有规则的变化趋势。称模型存在自相关(Autocorrelation)现象，也需按一定方法对数据进行修正。 9.6.2误差项的自相性关检验 误差项具有负自相关性的残差图 图9-11 9.6.2误差项的自相性关检验 误差项具有正自相关性的残差图 图9-12 * 9.3.1 总平方和分解 误差平方和 表示各Yi围绕所拟合的回归直线的变动程度 SST=SSR+SSE 9.3.1 总平方和分解 SSE=SST-SSR 9.3.2 自由度的分解 SST 自由度 ? T为n-1 SSE β0和β1用了 两个正规方程 自由度 ? E为n-2 SSR 自由度 ? R为1 9.3.2 自由度的分解 自由度的分解可以表示为 n-1=1+（n-2） ?T=?R+?E 9.3.3 回归均方与误差均方 (9-10) (9-11) 回归均方 误差均方 9.4 样本确定系数与样本相关系数 9.4.1 样本确定系数 (9-12) 注:Y的总变差中能被X解释的那部分所占的比率 9.4.1 样本确定系数 r2的取值范围 样本的全部观察值都落在 所拟和的回归直线上 SSE=0， r2=1 当X与Y无关，Y的变差完 全由于随机因素引起， 此时，SSR=0 r2=0 9.4.2 样本相关系数 样本相关系数 注:r与b1的分母均为正，分子相同,故r与b1有相同的符号。 9.4.2 样本相关系数 r的取值情况 情况一 图9-6 9.4.2 样本相关系数 情况二 图9-7 9.4.2 样本相关系数 情况三 图9-8 9.4.2 样本相关系数 情况四 图9-9 不相关 正相关 负相关 相关但无线性关系 引例分析 厂家 投入(x) 产出(y) x2 y2 xy 1 20 30 400 900 600 2 40 60 1600 3600 2400 3 20 40 400 1600 800 4 30 60 900 3600 1800 5 10 30 100 900 300 6 10 40 100 1600 400 7 20 40 400 1600 800 8 20 50 400 2500 1000 9 20 30 400 900 600 10 30 70 900 4900 2100 引例分析 平均投入220/10=22,平均产出450/10=45 9.5 一元线性回归显著性检验 在回归函数E(Y)=β0+β1X中，如果β1=0，则对于X的一切水平E(Y)=β0，说明Y的变化与X的变化无关，因而，我们不能通过X去预测Y。所以，对模型Yi=β0+β1Xi+εi??检验β1=0是否成立，等价于检验Y与X之间是否存在线性关系。 9.5.1 b1的抽样分布 为了检验β1=0是否成立，需要构造一 个合适的统计量，因此，首先讨论b1 的抽样分布。 9.5.1 b1的抽样分布 b1是观测值Yi的线 性组合 Yi服从正态分布且 相互独立 b1也服从正态分布 9.5.1 b1的抽样分布 以下可以证明 b1的方差 9.5.1 b1的抽样分布 证明： 因为 且Yi相互独立，其中 所以，b1服从 9.5.2 F 检验 在一元线性回归中，为了检验Y对于X线性 关系的统计显著性，对β1进行F检验 1）提出假设：H0：β1=0，H1：β1≠0。 2） 构造并计算统计量： 3）查F分布临界值表，得临界值 4）比较： 接受H0，认为Y与 X不存在一元线性关系。 9.5.2 F 检验 若F 拒绝H0，认为Y与X存在一元线性关系。 表9-1 方差分析表 　 df SS MS F Significance F 回归分析 1 1065.789 1065.789 10.87248 0残差 8 784.2105 98.02632 总计 9 1850 　 　 　 9.5.3 t 检验 1）提出假设 H0: H1: 2）构造并计算统计量 步 骤： 3）查t分布临界值表 得临界值 9.5.3 t 检验 4）比较 若 ，接受H0 若 ，拒绝H0 查表得 ，落在了拒绝域，即自变量x与因变量y之间相关关系明显，投入量对产出量的影响显著。 9.5.4 利用样本相关系数进行统计检验 步 骤： 1）提出假设 H0: