数理统计五.pptVIP

第五章 (1) 误差项ε是一个期望值为0的随机变量，即E(ε)=0。对于一个给定的 x 值，y 的期望值为E ( y ) = α + ? x (2) 对于所有的 x 值，ε的方差σ2 都相同 (3) 误差项ε是一个服从正态分布的随机变量，且相互独立。即ε~N( 0 ,σ2 ) 独立性意味着对于一个特定的 x 值，它所对应的ε与其他 x 值所对应的ε不相关 对于一个特定的 x 值，它所对应的 y 值与其他 x 所对应的 y 值也不相关 * * 主讲人：数学与信息科学学院 周婉枝 数理 统计 §5.2 多元线性回归分析 一、模型 1、原模型 y = b0 + b1 x1+ b2x2+ … + bpxp + e 2、子样模型 或用数据　(yi ; xi1 , xi2 , … xip) i =1,2, ? n 3、模型假设 (4) 自变量x1，x2， … xp不存在高度相关。 二、估计方程 (回归方程) (estimated regression equation) 2、 回归方程的目的：用回归方程代替y 与 x 的真实关系。 1、线性回归方程 　是 估计值 是 y 的估计值 三、多元线性回归分析 （一）模型估计 ＊　求解各回归参数的正规方程如下 1、最小二乘估计：使因变量的观察值与估计 值之间的离差平方和达到最小来求得。即 2、方差σ2 的估计 （1）σ2 的矩估计 （2）σ2 的无偏估计 　残差平方和 ＊线性回归方程 （二）回归方程检验 1、线性关系显著性检验(F 检验) 　H0： b1 ＝ b2 ＝ … ＝ bp ＝0 检验因变量对所有自变量 ( p 个)是否有显著线性关系 对于确定的显著性水平?，作出决策： * 若FF ?( p,n-p-1)，拒绝H0； * 若FF ?( p,n-p-1) ，不拒绝H0 (3) H0 拒绝域 H0 真时，F 不应太大 2、回归系数显著性检验( t 检验) 　H0： bi ＝0 检验第i个自变量 对因变量是否有显著线性关系 ＊计算程序：　（1）输入数据(p＋1) （2）运行最小二乘估计得结果 （3）分析、检验、预测 例：P206　计算结果如下 分析：　（1）直观检验：用回归系数 （2）拟合优度检验：用R2（越接近1越好） R2 （3）F检验：用F 值 子样落入拒绝域，可认为所有自变量对因变量的线性作用显著 注：p自变量个数 p＝3， n-p-1＝45 （4）回归系数显著性检验：用t 统计值 子样落入拒绝域，可认为第i个自变量 对因变量有显著线性关系 ti 统计值 　H0： bi ＝0 ＊回归方程 结 束 *