i 个观察值的估计值.ppt

第 14 章 簡單迴歸 簡單線性迴歸模型 最小平方法 判定係數 模型假設 顯著性檢定 利用估計迴歸方程式進行估計與預測 電腦解答 殘差分析：驗證模型假設 殘差分析：離群值及具影響力的觀察值 簡單線性迴歸模型 簡單線性迴歸模型 y = ?0 + ?1x + ? 簡單線性迴歸方程式 E(y) = ?0 + ?1x 估計的簡單線性迴歸方程式 y = b0 + b1x 最小平方法 最小平方法準則 其中 yi = 應變數之第 i 個觀察值的實際值 yi = 應變數之第 i 個觀察值的估計值 最小平方法 估計迴歸方程式中的斜率 估計迴歸方程式中的 y 截距 b0 = y - b1x 其中 xi = 自變數的第 i 個觀察值之值 yi = 應變數的第 i 個觀察值之值 x = 自變數的平均數 y = 應變數的平均數 n = 觀察值的個數 範例 簡單線性迴歸 亞曼披薩屋是一家在5個州均設有連鎖店的義大利餐廳。亞曼披薩屋最成功的據點均鄰近大學校園，因此管理者相信，餐廳的每季銷售量(以 y 表示)與學生人口(以 x 表示)有著正向關係；換言之，鄰近學生人口多的校園的分店比起學生數少的校園的分店應有更高的銷售量。利用迴歸分析，我們可發展出顯示應變數 y 與自變數 x 關係的方程式。 範例 簡單線性迴歸 範例 估計迴歸方程式的斜率 估計迴歸方程式的 y-截距 b0 = 130 - 5(14) = 60 估計迴歸方程式 y = 60 + 5x 範例 迴歸方程式之圖形 判定係數 SST, SSR, SSE 間的關係 判定係數 其中 SST = 總平方和 SSR = 迴歸平方和 SSE = 誤差平方和 範例 判定係數 對亞曼披薩屋的例子而言，判定係數為 r2 = SSR/SST = 14,200/15,730 = 0.9027 當我們將判定係數以百分比表示時，r 可被解釋為總平方和中可由估計迴歸方程式解釋的百分比。就亞曼披薩屋的例子而言，我們可得到的結論是：「以估計迴歸方程式 y = 60＋5x 來預估銷售額時，可解釋總平方和的90.27%」。換言之，每季銷售量之變異的90.27% 可由學生人口與銷售額間的線性關係來解釋。 相關係數 樣本相關係數 其中 b1 = 估計迴歸方程式 之斜率 範例 樣本相關係數 以亞曼披薩屋為例， 估計迴歸方程式是正斜率，所以 b1 為 + 。 rxy = +0.9501，x 與 y 之間具有高度正相關 模型假設 關於迴歸模型中誤差項 ? 的假設 誤差項 ? 為平均數為 0 的隨機變數。 對所有自變數的值而言， ? 之變異數，記為 ? 2 ，均相同。 ? 值是互相獨立的。 誤差項 ? 為來自常態分配的隨機變數。 顯著性檢定 為檢定是否存在顯著的迴歸關係，我們必須進行 b1 是否為 0 的假設檢定。 兩種常用的檢定方法 t 檢定 F 檢定 兩種檢定方法都必須先估計迴歸模型中 e 的變異數 s 2 。 顯著性檢定 s 2 的估計值 誤差均方(MSE)之值可作為 s 2 的估計值，亦記作符號 s2 。 其中 顯著性檢定 s 的估計值 為了估計 s ，我們取 s 2 的平方根。 所算出之 s 值稱為估計值的標準誤。 顯著性檢定：t 檢定 假設 H0: ?1 = 0 Ha: ?1 ? 0 檢定統計量 拒絕法則 其中， t???係依自由度 n – 2 之t 分配求得。 範例 t 檢定 虛無與對立假設 H0: ?1 = 0 Ha: ?1 ? 0 拒絕法則 對於顯著水準 ? = 0.01，自由度為 8，t0.005 = 3.355，故若 t 3.355，則拒絕 H0 檢定統計量 t = 5/0.5803 = 8.62 結論 拒絕 H0 ?1 的信賴區間 我們對?1 建立 95% 的信賴區間，以使用 t 檢定來檢定其假設值。 如果 ?1 的假設值不落在信賴區間，即拒絕 H0。 ?1 的信賴區間 ?1 的信賴區間的形式如下： 其中 b1 是點估計量