第6讲 利用变量关系预测.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 139 * * * * * 24 This teleology is based on the number of explanatory variables nature of relationship between X Y. * * * * * * * * * * * * * * * * * * * * ‘Standard Error’ is the estimated standard deviation of the sampling distribution, sbP. * * * * * * 12 点预测 直接利用已经估计的回归模型计算出来 估计出的值是被解释变量均值E(Y|X0)的无偏估计量 是被解释变量个别值Y0的有偏估计 区间预测 区间预测 虚拟变量模型 虚拟变量 用以反映质的属性的一个人工变量，是量化了的自变量，通常取值为0或1。引入虚拟变量可使线形回归模型变得更复杂，但对问题描述更简明，一个方程能达到俩个方程的作用，而且接近现实。 一个实例 某地区的消费与收入数据如下： 期数t 居民消费Y 收入X 虚拟变量D 1 20 35 0 2 30 40 0 3 35 50 0 4 35 55 0 5 38 56 0 6 40 57 0 7 70 40 1 Y = 0.06858*X + 35.02344 Y = 0.7357X - 2.924 + 43.498D 如果不包含第7期数据则回归模型为： y = 0.7357x - 2.9242 与加入D后的模型比较 Y = 0.7357X - 2.9242 + 43.498D 为研究工资水平与工作年限和性别的关系，随机抽取10名职工数据如下 月工资收入（元）Y 工作年限（年）X 性别 D 性别 2900 2 1 男 3000 6 0 女 4800 8 1 男 1800 3 0 女 2900 2 1 男 4900 7 1 男 4200 9 0 女 4800 8 0 女 4400 4 1 男 4500 6 1 男 虚拟变量设置的原则 在模型中引入多个虚拟变量时，虚拟变量的个数应按下列原则确定： 　　如果有m种互斥的属性类型，在模型中引入（m-1）个虚拟变量。 　　例如，性别有2个互斥的属性，引用2-1=1个虚拟变量；再如，文化程度分小学、初中、高中、大学、研究生5类，引用4个虚拟变量。 非线性回归 1. 因变量 y 与 x 之间不是线性关系 2. 可通过变量代换转换成线性关系 用最小二乘法求出参数的估计值 几种常见的非线性模型 ? 指数函数 线性化方法 两端取对数得：lny = ln? + ? x 令：y = lny，则有y = ln? + ? x 基本形式： 图像 ? ? ? ? ? ? 几种常见的非线性模型 线性化方法 两端取对数得：lg y = lg? + ? lg x 令：y = lgy，x= lg x，则y = lg? + ? x 基本形式：幂函数 图像 0? 1 ? ? 1 ? = 1 -1? 0 ? -1 ? =-1 几种常见的非线性模型 ? 双曲线函数 线性化方法 令：y = 1/y，x= 1/x, 则有y = ? + ? x 基本形式： 图像 ? 0 ? 0 几种常见的非线性模型 ? 对数函数 线性化方法 x= lgx , 则有y = ? + ? x 基本形式： 图像 ? ? 0 ? 0 几种常见的非线性模型 ? S 型曲线 线性化方法 令：y = 1/y，x= e-x, 则有y = ? + ? x 基本形式： 图像 非线性回归（实例） 【例】为研究生产率与废品率之间的关系，记录数据如下表。试拟合适当的模型。 废品率与生产率的关系 生产率（周/单位) x 1000 2000 3000 3500 4000 4500 5000 废品率（%） y 5.2 6.5 6.8 7.0 9.1 10.3 15.0 非线性回归（实例） 生产率与废品率的散点图 非线性回归（实例） 用线性模型：y =?0??1x+? ，有 y = 2.671+0.0018x 用指数模型：y = ?? x ，有 y =4.05?(1.0002)x 比较 直线的残差平方和＝5.3371指数模型的残差平方和＝6.11。直线模型略好于指数模型 ★课堂实践：对某商业银行2007年各分行贷款情况进行相关和回归分析 本讲小结 相关系数与相关分析 线性回归模型、回归方程与估计的回归方程 回归方程与回归系数的显著性检验 虚拟