第十一章 一元线性回归.ppt

第十一章 一元线性回归 主讲 石立 从一个实际问题说起 P302，例11.6： 1.分析不良贷款是否与贷款余额、累计应收贷款、贷款项目的多少、固定资产投资等有关？ ——相关分析 2.如果有关系，他们有什么样的关系？ ——回归分析 本章框架结构 第一节 相关分析 第二节 回归分析：一元线性回归 第一节 相关分析 变量之间的关系 ◆确定性的函数关系 ◆不确定性的统计关系——相关关系 (ε为随机变量) ◆没有关系 分析变量之间相关关系的方法有两类： 相关分析：相关关系的描述——散点图 相关关系的度量——相关系数 回归分析：一元回归分析 多元回归分析 …… ①相关系数的特点 r 的取值范围是 [-1,1] |r|=1，为完全相关：r =1，为完全正相关，r =-1，为完全负正相关 r = 0，表明不存在线性相关关系相关 -1?r0，为负相关；0r?1，为正相关 |r|越趋于1表示关系越密切；|r|越趋于0表示关系越不密切 例题：用Excel计算P304，例11.7中变量之间的相关系数。 第二节 回归分析:一元线性回归 一、什么是回归分析？(Regression) 1.起源：高尔顿 父母身高与子女身高的关系的研究 2.定义：是一个因变量对一个或多个自变量依存关系的研究 具体的：从一组样本数据出发，确定变量之间的数学关系式（即回归模型、回归方程），对这些关系式的可信程度进行各种统计检验，并从影响某一特定变量的诸多变量中找出哪些变量的影响显著，哪些不显著 3.作用：利用所求的关系式，根据一个或几个变量的取值来预测或控制另一个特定变量的取值，并给出这种预测或控制的精确程度 4.回归模型 （1）构成 因变量：被预测或被解释的变量 (dependent variable)，常用y表示 ——一个模型只有一个因变量 自变量：用来预测或用来解释因变量的一个或多个变量称为自变量(independent variable)，常用x表示 ——可以是一个，也可以是多个。 例：确定P302，例11.6中的因变量和自变量。 （2）类型 从自变量的个数分，有： 一元回归 多元回归 从变量之间的关系分，有： 线性回归 非线性回归 ?本章研究“一元线性回归模型” 二、一元线性回归模型 1、一元线性回归 即：只有一个自变量的回归，因变量y与自变量x之间为线性关系。 2、一元线性回归模型 描述因变量 y 如何依赖于自变量 x 和误差项? 的方程称为一元线性回归模型。 可表示为：y = ?0+?1 x+ ? y 是 x 的线性函数(部分)加上误差项? 线性部分反映了由于 x 的变化而引起的 y 的变化 误差项 ? 是随机变量 反映了除 x 和 y 之间的线性关系之外的随机因素对 y 的影响 是不能由 x 和 y 之间的线性关系所解释的变异性 ?0 和 ?1 称为模型的参数 3、一元线性回归模型的基本假定 因变量y与自变量x之间具有线性关系 在重复抽样中，自变量x的取值是固定的，即x非随机。 误差项ε是一个期望值为0的随机变量，即E(ε)=0。对于一个给定的 x 值，y 的期望值为E (y) =? 0+ ? 1 x 对于所有的x值，ε的方差σ2都相同 误差项ε是一个服从正态分布的随机变量，且相互独立。即ε~N(0,σ2 ) 独立性意味着对于一个特定的 x 值，它所对应的ε与其他 x 值所对应的ε不相关 对于一个特定的 x 值，它所对应的 y 值与其他 x 所对应的 y 值也不相关 4、回归方程(regression equation) 描述 y 的平均值或期望值如何依赖于 x 的方程称为回归方程。 一元线性回归方程的形式如下： E(y) = ?0+ ?1x 方程的图示是一条直线，也称为直线回归方程 ?0是回归直线在 y 轴上的截距，是当 x=0 时 y 的期望值 ?1是直线的斜率，称为回归系数，表示当 x 每变动一个单位时，y 的平均变动值 5、估计的回归方程(estimated regression equation) 总体回归参数?0和?1是未知的，必需利用样本数据去估计，用样本统计量 和 代替回归方程中的未知参数?0和?1，就得到了估计的回归方程。 一元线性回归中估计的回归方程为： 其中： 是估计的回归直线在 y 轴上的截距， 是直线的斜率，它表示对于一个给定的 x 的值， 是y的估计值，也表示 x 每变动一个单位时， y 的平均变动值 【思考】 和 如何计算？