应用回归分析(ok).ppt

2.5 残差分析 二、残差的性质 性质2 其中 称为杠杆值 2.5 残差分析 二、残差的性质 2.5 残差分析 二、残差的性质 性质3. 残差满足约束条件: 2.5 残差分析 三、改进的残差 标准化残差 学生化残差 第三章 多元线性回归 3.1 多元线性回归模型 3.2 回归参数的估计 3.3 参数估计量的性质 3.1 多元线性回归模型 一、多元线性回归模型的一般形式 y=β0+β1x1+β2x2+…+βpxp+ε 3.1 多元线性回归模型 一、多元线性回归模型的一般形式 对n组观测数据 (xi1, xi2,…,xip; yi), i=1,2,…,n, 线性回归模型表示为: 3.1 多元线性回归模型 一、多元线性回归模型的一般形式 写成矩阵形式为: y=Xβ+ε, 其中, 3.1 多元线性回归模型 二、多元线性回归模型的基本假定 1. 解释变量x1,x2,…,xp是确定性变量,不是随机变量, 且要求rk(X)=p+1＜n。 表明设计矩阵X中的自变量列之间不相关, X是一满秩矩阵。 3.1 多元线性回归模型 二、多元线性回归模型的基本假定 2 .随机误差项具有0均值和等方差,即 这个假定称为Gauss-Markov条件 3.1 多元线性回归模型 二、多元线性回归模型的基本假定 3. 正态分布的假定条件为: 用矩阵形式(3.5)式表示为: ε～N(0, s2In) 3.1 多元线性回归模型 二、多元线性回归模型的基本假定 在正态假定下: y～N(Xβ, s2In) E(y)=Xβ var(y)= s2In  3.1 多元线性回归模型 三、多元线性回归方程的解释 y表示空调机的销售量, x1表示空调机的价格, x2表示消费者可用于支配的收入。 y=β0+β1x1+β2x2+ε E(y)=β0+β1x1+β2x2 在x2保持不变时,有 在x1保持不变时,有 3.1 多元线性回归模型 三、多元线性回归方程的解释 考虑国内生产总值GDP和三次产业增加值的关系， GDP=x1 + x2+ x3 现在做GDP对第二产业增加值x2的一元线性回归， 得回归方程 3.1 多元线性回归模型 年份 GDP 第一产业 增加值x1 第二产业 增加值x2 第三产业 增加值x3 1990 18 547.9 5 017.0 7 717.4 5 813.5 1991 21 617.8 5 288.6 9 102.2 7 227.0 1992 26 638.1 5 800.0 11 699.5 9 138.6 1993 34 634.4 6 882.1 16 428.5 11 323.8 1994 46 759.4 9 457.2 22 372.2 14 930.0 1995 58 478.1 11 993.0 28 537.9 17 947.2 1996 67 884.6 13 844.2 33 612.9 20 427.5 1997 74 462.6 14 211.2 37 222.7 23 028.7 1998 78 345.2 14 552.4 38 619.3 25 173.5 1999 82 067.5 14 472.0 40 557.8 27 037.7 2000 89 468.1 14 628.2 44 935.3 29 904.6 2001 97 314.8 15 411.8 48 750.0 33 153.0 2002 105 172.3 16 117.3 52 980.2 36 074.8 2003 117 390.2 16 928.1 61 274.1 39 188.0 2004 136 875.9 20 768.1 72 387.2 43 720.6 3.1 多元线性回归模型 三、多元线性回归方程的解释 建立GDP对x1和x2的回归，得二元回归方程 =2 914.6+0.607 x1+1.709 x2 你能够合理地解释两个回归系数吗 ？ 3.2 回归参数的估计 一、回归参数的普通最小二乘估计 最小二乘估计要寻找 3.2 回归参数的估计 一、回归参数的普通最小二乘估计 3.2 回归参数的估计 一、回归参数的普通最小二乘估计 经整理后得用矩阵形式表示的正规方程组 移项得 存在时，即得回归参数的最小二乘估计为： 3.2 回归参数的估计 二、回归值与残差 为回归值 称为帽子矩阵，其主对角线元素记为hii ，则 3.2 回归参