9.1回归分析概述9.2线性回归分析和线性回归模型9.3回归方.ppt

9.1回归分析概述 1、线性回归分析概述 线性回归分析的内容 能否找到一个线性组合来说明一组自变量和因变量的关系 如果能的话，这种关系的强度有多大，也就是利用自变量的线性组合来预测因变量的能力有多强 整体解释能力是否具有统计上的显著性意义 在整体解释能力显著的情况下，哪些自变量有显著意义 回归分析的一般步骤 确定回归方程中的解释变量（自变量）和被解释变量（因变量） 确定回归方程 对回归方程进行各种检验 利用回归方程进行预测 2、 线性回归模型 一元线性回归模型的数学模型： 其中x为自变量；y为因变量； 为截距，即常量； 为回归系数，表明自变量对因变量的影响程度。 用最小二乘法求解方程中的两个参数，得到： 多元线性回归模型 多元线性回归方程： y=β0+β1x1+β2x2+...+βkxk β1、β2、βk为偏回归系数。 β1表示在其他自变量保持不变的情况下，自变量x1变动一个单位所引起的因变量y的平均变动。 总离差平方和可分解为 2、可决系数（判定系数、决定系数） 3、回归方程的显著性检验（方差分析F检验） 回归方程的显著性检验是要检验被解释变量与所有的解释变量之间的线性关系是否显著。 对于一元线性回归方程，检验统计量为： 对于多元线性回归方程，检验统计量为： 4、回归系数