一元线性回归方程 幻灯片.pptVIP

第二节 一元线性回归方程 * * 两个变量之间的线性关系，其回归模型为： y称为因变量，x称为自变量， 称为随机扰动，a,b称为待估计的回归参数，下标i表示第i个观测值。 一 回归直线方程 对于回归模型，我们假设： 可得到： 如果给出a和b的估计量分别为 ， 则经验回归方程为： 例如 某市场在t时刻西瓜销量的数据如下（其中qt表示时刻销售黄瓜的数量，单位为：斤，pt表示t时刻的销售价格，单位为：元）： 这是一个确定性关系: 若x、y之间的关系是随机的，例如 若x、y之间的关系是随机的，例如 这时，方程的形式为 其中 为随机变量. 以下设 x 为自变量(普通变量) Y 为因变量(随机变量) Y 的取值记为 y .现给定 x 的 n 个值 x1,…, xn,观察 Y 得到相应的 n 个值 y1,…,yn,(xi ,yi) i=1,2,…,n 成为样本点. 记 散点图 以(xi ,yi)为坐标在平面直角坐标系中描点,所得到的这张图便称之为散点图. 记以上直线为 回归值 回归常数 回归系数 注意:这种几何作图的方法简单直观, 但精度差,局限性大. 二 最小二乘法(OLSE) : 若散点图呈直线变化趋势,则可以假设变量Y与x变量满足 Y=a + bx+ε (11.1)并称(11.1)为(理论的)一元线性回归模型,ε是随机误差,通常假定ε～N(0,σ2).将(xi,yi) i=1,2,…,n逐一代入(11.1)便得到(数据结构的)一元线性回归模型 记 二元函数 的最小值点 称为a,b的最小二乘估计(简记为OLSE ). 以下求 的最小值 解方程得 一般地，记 则 其中 三 回归方程的显著性检验 假设变量Y与x变量满足 Y=a + bx+ε (11.1)  ε是随机误差,假定ε～N(0,σ2). H0:b=0成立,则(11.1)变成 Y= a +ε,自变量 x 对因变量 Y 没有线性影响,即回归方程不显著;若假设不成立,则自变量 x 对因变量 Y 有线性影响,即线性方程是显著的. 因此对于给定的显著性水平α,则否定原假设,即认为回归方程是显著的. (F-检验)显著性检验一般步骤： 1.提出原假设:H0:b=0; 2.选择统计量 3.对给定的显著性水平α,查临界值 Fα (1,n-2),得否定域为F Fα (1,n-2); 4.代入样本信息,F落入否定域则否定原假设, 线性关系显著;落入接受域则接受原假设, 线性关系不显著. 相关系数检验法: 1.提出原假设:H0:b=0; 2.选择统计量 3.对给定的显著性水平α,查临界值rα (n-2), 得否定域为R rα (n-2); 4.代入样本信息,R落入否定域则否定原假设,线性关 系显著;落入接受域则接受原假设,线性关系不显著. * *