第9章 相关与回归分析.pptVIP

*/* 《统计学教程》第9章 相关与回归分析 9.2 一元线性回归 9.2.4 一元线性回归方程的显著性检验 估计的回归方程是依据样本数据拟合的，样本容量大小，因变量和自变量的抽样分布，都会对回归方程中估计量的与总体参数真值之间的误差生产影响，仅凭回归方程拟合优度的有关测度，不能认定因变量与自变量之间是否真的存在这种线性关系，还需要对估计的回归方程进行假设检验。 一元回归方程的显著性检验的原假设为参数的真值为0，即 （9.24） 当原假设成立,可将因变量的变异归结于剩余因素，表明自变量对因变量不具有显著的线性关系，一元线性方程对于因变量没有显著的解释能力。这时，估计的回归方程不具备任何实际意义，不能用于预测和控制。若原假设不成立，说明因变量的变异显著地来源于自变量，这时估计的回归方程才具有实际意义。 */* 《统计学教程》第9章 相关与回归分析 9.2 一元线性回归 在一元线性回归分析中，有回归均方与剩余均方分别服从自由度为1和自由度为n-2的卡方分布，则由回归均方与剩余均方的比值构造的F检验统计量服从第一自由度为1和第二自由度为n-2的F分布。即 （9.25） 利用判定系数，可将式（9.25）写为便于计算的形式，即 （9.26） */* 《统计学教程》第9章 相关与回归分析 9.2 一元线性回归 同样，可以采用方差分析表来反映在一元线性回归分析的显著性检验中，对变量的离差平方和分解的分析过程和有关数据。 表9.2 一元线性回归的方差分析表构成 */* 《统计学教程》第9章 相关与回归分析 9.2 一元线性回归 例9.7 根据例9.1 中某证券市场价格指数与该市场A证券价格数据。 要求 在显著性水平为0.05下，对例9.4估计的回归方程进行显著性检验。 解 运用式（9.26），采用检验统计量进行显著性检验。 可以利用Excel“分析工具库”中的“回归”工具，对一元线性回归进行显著性检验。表9.3即为本例利用“回归”工具进行显著性检验的方差分析表，有 表9.3 Excel“回归”工具一元线性回归方差分析表 */* 《统计学教程》第9章 相关与回归分析 9.2 一元线性回归 9.2.5 运用回归方程进行估计 拟合回归方程的目的就是要利用回归方程对因变量进行科学的估计，进而取得估计数值对事物及其现象数量特征发展的趋势进行预测或控制。估计的回归方程在通过显著性检验之后，就可以运用它进行对因变量的估计，以实现预期的目的。 1．点估计 回归方程的点估计是利用估计的回归方程，针对自变量某一给定的数值，计算出因变量的在给定的这一点上的总体均值的估计值。所以，回归方程的点估计实质上是以对应于自变量x某一具体数值的因变量y的总体均值的估计值。即 （9.26） */* 《统计学教程》第9章 相关与回归分析 9.2 一元线性回归 2、区间估计 运用回归方程的统计量估计因变量时，剩余误差的数学期望为 （9.28） 当均服从正态分布，并且相互独立时，有 （9.29） */* 《统计学教程》第9章 相关与回归分析 9.2 一元线性回归 在实际运用时，一般采用样本数据计算的估计量的标准差替代式（9.29）中的标准差进行计算。 （9.31） 式（9.31）为方差的样本估计量，服从自由度为n-2的t分布。因此，有区间估计的置信区间为