BS课程讲义：一元线性回归模型-0概述1回归模型2参数估计2012-11-18.pptVIP

2. 估计的回归方程(estimated regression equation) 一元线性回归中估计的回归方程为 用样本统计量 和 代替回归方程中的未知参数 和 ，就得到了估计的回归方程； 总体回归参数 和 是未知的，必须利用样本数据去估计； 其中： 是估计的回归直线在 y 轴上的截距， 是直线的斜率，它表示对于一个给定的 x 的值， 是 y 的估计值，也表示 x 每变动一个单位时， y 的平均变动值 。 例1 引例-Sunflowers Apparel Cop. 例1 引例-Sunflowers Apparel Cop. 在过去的12年中，随着连锁店数量不断增加，专营女装的SFA公司业务不断拓展，销售额不断增长。公司的管理层店面选址的判断标准： （1）店面是否容易租赁； （2）该地点开服装店是否理想。 如果你是新上任的规划主管，你认为店面的面积会影响销售额，决策过程中如何运用这个关系？如何根据店面的面积预测其年度销售额？ 表13-1 例1 Satter Diagrame 13.3 参数的最小二乘估计 、 13.3.1 最小二乘估计原理 13.3.2 参数估计最小二乘法 13.3.3 例题 13.3.1 参数的最小二乘估计原理 、 德国科学家Karl Gauss(1777—1855)提出用最小化图中垂直方向的误差平方和来估计参数。 使因变量的观察值与估计值之间的误差平方和达到最小来求得 和 的方法。即： 用最小二乘法拟合的直线来代表x与y之间的关系与实际数据的误差比其他任何直线都小。 13.3 参数的最小二乘估计 Karl Gauss的最小化图 13.3 参数的最小二乘估计 上式是以 和 为未知数的二元方程组,称为最小二乘一元线性回归正规方程组。 13.3.2 参数估计的最小二乘法 13.3 参数的最小二乘估计 设， ， 分别是序列 和 的均值。故 由公式推导知： （1）由偏导第二式知， ， 故残差 与 不相关。 （2）由 的表达式知，样本回归直线通过样本均点 。 13.3.2 参数估计最小二乘法 （continued） 13.3 参数的最小二乘估计 估计方差为: 故标准差为: (2.6) 式中, 为 的自由度；k为模型中解释变量的个数。 显然，当样本数据已知时，上述各量都可计算出来。 13.3.2 参数估计最小二乘法 （continued） 13.3 参数的最小二乘估计 例1 估计参数 13.3 参数的最小二乘估计 例1 Excel 回归分析 13.3 参数的最小二乘估计 例 2 不良贷款分析 【例】一家大型商业银行在多个地区设有分行，其业务主要是进行基础设施建设、国家重点项目建设、固定资产投资等项目的贷款。近年来，该银行的贷款额平稳增长，但不良贷款额也有较大比例的增长，这给银行业务的发展带来较大压力。为弄清楚不良贷款形成的原因，管理者希望利用银行业务的有关数据做些定量分析，以便找出控制不良贷款的办法。下面是该银行所属的25家分行2002年的有关业务数据。 分行编号 不良贷款（亿元） 各项贷款余额（亿元） 本年累计应收贷款（亿元） 贷款项目个数（个） 本年固定资产投资额（亿元） 1 0.9 67.3 6.8 5 51.9 2 1.1 111.3 19.8 16 90.9 3 4.8 173.0 7.7 17 73.7 4 3.2 80.8 7.2 10 14.5 5 7.8 199.7 16.5 19 63.2 6 2.7 16.2 2.2 1 2.2 7 1.6 107.4 10.7 17 20.2 8 12.5 185.4 27.1 18 43.8 9 1.0 96.1 1.7 10 55.9 10 2.6 72.8 9.1 14 64.3 11 0.3 64.2 2.1 11 42.7 12 4.0 132.2 11.2 23 76