一元线性回归-实用回归分析.PPT

第2章 一元线性回归 2 .1 一元线性回归模型 2 .2 参数 的估计 2 .3 最小二乘估计的性质 2 .4 回归方程的显著性检验 2 .5 残差分析 2 .6 回归系数的区间估计 2 .7 预测和控制 2 .8 本章小结与评注 2 .1 一元线性回归模型 例2 .1 表2.1列出了15起火灾事故的损失及火灾发生地与最近的消防站的距离。 2 .1 一元线性回归模型 例2.2 全国人均消费金额记作y(元); 人均国民收入记为x(元) 2 .1 一元线性回归模型 2 .1 一元线性回归模型 一元线性回归模型 2 .1 一元线性回归模型 样本模型 2 .2 参数β0、β1的估计 一、普通最小二乘估计 (Ordinary Least Square Estimation,简记为OLSE) 2 .2 参数β0、β1的估计 2 .2 参数β0、β1的估计 2 .2 参数β0、β1的估计 2 .2 参数 的估计 2 .2 参数 的估计 2 .2 参数β0、β1的估计 2 .3 最小二乘估计的性质 2 .3 最小二乘估计的性质 2 .3 最小二乘估计的性质 2 .3 最小二乘估计的性质 2.4 回归方程的显著性检验 2.4 回归方程的显著性检验 2.4 回归方程的显著性检验 什么是P 值?(P-value) P 值即显著性概率值 Significence Probability Value 是当原假设为真时得到比目前的 样本更极端的样本的 概率，所谓极端就是与原假设相背离 它是用此样本拒绝原假设所犯弃真错误的 真实概率，被称为观察到的(或实测的)显著性水平 双侧检验的P 值 左侧检验的P 值 右侧检验的P 值 利用 P 值进行检验的决策准则 若p-值 ≥ ?,不能拒绝 H0 若p-值 ＜ ?, 拒绝 H0 双侧检验p-值 =2×单侧检验p-值 2.4 回归方程的显著性检验 2.4 回归方程的显著性检验 2.4 回归方程的显著性检验 2.4 回归方程的显著性检验 2.4 回归方程的显著性检验 2.4 回归方程的显著性检验 2.4 回归方程的显著性检验 2.4 回归方程的显著性检验 2.4 回归方程的显著性检验 2.4 回归方程的显著性检验 2.4 回归方程的显著性检验 2.5 残差分析 2.5 残差分析 2.5 残差分析 2.5 残差分析 2.5 残差分析 2.5 残差分析 2.5 残差分析 2.5 残差分析 2.6 回归系数的区间估计 2.7 预测和控制 2.7 预测和控制 2.8 本章小结与评注 一、一元线性回归模型从建模到应用的全过程 例2.2 全国人均消费金额记作y(元); 人均国民收入记为x(元) 2.8 本章小结与评注 二、有关回归假设检验问题 1973年Anscombe构造了四组数据, 这四组数据所建的回归方程是相同的,决定系数,F统计量也都相同,且均通过显著性检验。 2.8 本章小结与评注 四、相关系数的显著性检验 附表1 相关系数ρ=0的临界值表 0.081 0.062 1000 0.449 0.349 30 0.606 0.482 15 0.128 0.098 400 0.456 0.355 29 0.623 0.497 14 0.148 0.113 300 0.463 0.361 28 0.641 0.514 13 0.181 0.138 200 0.470 0.367 27 0.661 0.532 12 0.208 0.159 150 0.478 0.374 26 0.684 0.553 11 0.228 0.174 125 0.487 0.381 25 0.708 0.576 10 0.254 0.195 100 0.496 0.388 24 0.735 0.602 9 0.267 0.205 90 0.505 0.396 23 0.765 0.632 8 0.283 0.217 80 0.515 0.404 22 0.798 0.666 7 0.302 0.232 70 0.526 0.413 21 0.834 0.707 6 0.325 0.250 60 0.537 0.423 20 0.874 0.754 5 0.354 0.273 50 0.549 0.433 19 0.947 0.811 4 0.372 0.288 45 0.561 0.444 18 0.959 0.878 3 0.393 0.304 40 0.