《统计学原理》-课件.pptVIP

茎叶图 例子 具体来说，10月，北京新建住宅价格环比上涨0.2%，同比下降0.2%。新建商品住宅价格中，环比上涨0.3%；同比下降0.3%。从具体面积看，144平米以上的环比涨幅较高，上涨0.4%。 [例] 某企业1997 ~ 2002年产量资料，如下表所示： 或： 一元线性回归模型构建（续） 求解这一正规方程组可得： 务必 理解方法 牢记公式 一元线性回归模型构建举例 一元线性回归模型构建举例计算 已知n=13， 可求 代入公式有： 回归方程为 y =54.22286 + 0.52638 x 结果表明人均国民收入每增加1元，人均消费金额平均增加0.53元。 （三）一元线性回归估计标准误差 S2的正平方根又叫做回归估计的标准误差 一元回归估计标准误差通常用代表估计标准误差， 其计算公式如下： （四）一元线性回归估计举例 伊春林区位于黑龙江省东北部。全区有森林面积218.97万公顷，木材蓄积量为23246.02万m3。森林覆盖率为62.5%，是我国主要的木材工业基地之一。1999年伊春林区木材采伐量为532万m3。按此速度44年之后，现有的蓄积量将被采伐一空。因此预测林区的年木材剩余物是安排木材剩余物加工生产的一个关键环节。 一元线性回归估计举例(续) 1999年伊春林区16个林业局木材剩余物和年木材采伐量资料 一元线性回归估计举例(续) 解： 第一步：观察趋势 由图形可以看出，直观上可以建立一元线性回归模型 0.00 5.00 10.00 15.00 20.00 25.00 30.00 0.00 10.00 20.00 30.00 40.00 50.00 60.00 70.00 x y 单位：万m3 一元线性回归估计举例(续) 第二步：模型估计 已知n=16， 可求 代入公式有： 回归方程为 结果表明伊春林区年采伐量每增加1万立方米，将平均产生0.404万立方米的剩余物。 一元线性回归估计举例(续) 第三步：预测 假设乌伊岭林业局2004年计划采伐木材20万m3，求木材剩余物的点预测值。 估计标准差 一元线性回归估计举例(续) 则F(t)=95.45%的2004年平均木材剩余物的置信区间是： 从而得出预测结果，2004年若采伐木材20万m3，产生木材剩余物的点估计值是7.3231万m3。平均木材剩余物产出量的置信区间估计是在 [5.9747, 8.6715] 万m3之间。从而为恰当安排2004年木材剩余物的加工生产提供依据。 第三节 多元线性回归分析 一、多元线性回归模型 二、多元线性回归模型的估计 三、多元线性回归模型的检验 四、应用举例 一、多元线性回归模型 多元模型基本形式 常数项 偏回归系数 二元线性回归模型 二、多元回归估计标准误差 （二）回归估计标准误差 n — 样本观测值的个数 k — 方程中回归系数个数（常 数项除外） S回归估计的标准误差。S越小表明回归方程的代表性越强。 三、多元线性回归分析应用举例 中国民航客运量的回归模型。为了研究我国民航客运量的变化趋势及其成因，我们以民航客运量作为因变量y（万人），以国民收入x1(亿元)、消费额x2(亿元)、铁路客运量x3(万人)、民航航线里程x4(万公里)、来华旅游入境人数x5(万人)为影响民航客运量的主要因素。根据《1994年统计摘要》获得1978—1993年统计数据。 多元线性回归分析应用举例（续） 多元线性回归分析应用举例计算 拟和优度检验 方差分析表 用SPSS得回归结果 多元线性回归分析应用举例计算 回归系数表 第四节 非线性回归分析 一、常用非线性函数 二、非线性回归模型的估计 三、应用举例 一、常用非线性函数 1、抛物线函数 2、双曲线函数 3、幂函数 4、指数函数 常用非线性函数（续） 5、对数函数 6、S形曲线函数 7、多项式方程 二、非线性回归模型的估计 （一）倒数变换 （二）半对数变换 （四）多项式变换 （三）双对数变换 对 两边求对数： 令 有： 计算结果分析 计算结果表明，工人平均工资下降了1.72%，即减少了2元； 由于各等级工资水平的变化，使平均工资提高了9.62%，即增加了10元； 由于工人结构影响，使得公司员工的总平均工资下降10.34%，即减少了12元。 98.28%=109.62%×89.66% -2=10+(-12) 指