5一元线性回归模型的预测.pptVIP

§2.4 一元线性回归分析的应用：预测问题 一、?0是条件均值E(Y|X=X0)或个值Y0的一个无偏估计 二、总体条件均值与个值预测值的置信区间 * 对于一元线性回归函数 给定样本以外的解释变量的观测值X0，可以得到被解释变量的预测值?0 ，可以此作为其条件均值E(Y|X=X0)或个别值Y0的一个近似估计。 严格地说，这只是被解释变量的预测值的估计值，而不是预测值。原因: （1）参数估计量不确定； （2）随机项的影响 说 明 * 一、?0是条件均值E(Y|X=X0)或个值Y0的一个无偏估计 对总体回归函数E(Y|X=Xi)=?0+?1Xi，X=X0时 E(Y|X=X0)=?0+?1X0 于是 可见，?0是条件均值E(Y|X=X0)的无偏估计。 * 对总体回归模型Yi=?0+?1Xi+?i，当X=X0时 Y0=?0+?1X0+?0 于是 E(Y0)=E(?0+?1X0+?0)= ?0+?1X0+E (?0)= ?0+?1X0 * 二、总体条件均值与个值预测值的置信区间 1、总体均值预测值的置信区间 由于 于是 可以证明 * 因此 故 * 于是，在1-?的置信度下，总体均值E(Y|X0)的置信区间为 其中 * 2、总体个值预测值的预测区间 由 Y0=?0+?1X0+?0 知: 于是 式中 : 从而在1-?的置信度下， Y0的置信区间为 * 在上述收入-消费支出例中，得到的样本回归函数为: 则在 X0=1000处， ?0 = 而 142.4+0.670Xi 142.4+0.670×1000=812.4 2734 760.4 27.6 * 因此，总体均值E(Y|X=1000)的95%的置信区间为： 812.4-2.306?27.6 E(Y|X=1000) 812.4+2.306?27.6 或 （748.8, 875.9） 同样地，对于Y在X=1000的个体值，其95%的置信区间为： 812.4 - 2.306?59.1Yx=1000 812.4+ 2.306?59.1 或 (676.1, 948.7) * 总体回归函数的置信带（域）（confidence band） 个体的置信带（域） -142.4+0.670Xi * 对于Y的总体均值E(Y|X)与个体值的预测区间（置信区间）: （1）样本容量n越大，预测精度越高，反之预测精度越低； （2）样本容量一定时，置信带的宽度当在X均值处最小，其附近进行预测（插值预测）精度越大；X越远离其均值，置信带越宽，预测可信度下降。 *