区域分析(相关、回归分析)PPT.ppt

第二节 回归分析 如果回归直线没有解释任何离差，Y的总离差全部归于残差平方和，即SST= SSE，R2＝0，则表示自变量X与因变量Y完全无关； 第二节 回归分析 一般而言，各样本数据都是部分地落在回归直线上，因此0R21。R2越接近1，表明回归直线的拟合程度越好；反之，R2越接近0，回归直线的拟合程度就越差。 第二节 回归分析 3. 回归系数的显著性检验（t检验） 所谓回归系数的显著性检验，就是根据样本估计的结果对总体回归系数的有关假设进行检验。 第二节 回归分析 之所以要对回归系数进行显著性检验，是因为回归方程的显著性检验（F检验），只能检验所有回归系数是否同时拒绝零假设，它不能保证回归方程中一定不包含不能较好地解释说明因变量变化的自变量。为此，还得需要通过回归系数显著性检验对每一个回归系数进行考察。 第二节 回归分析 回归系数显著性检验一般采用t检验的方法，检验步骤如下： 第二节 回归分析 ① 提出假设 H0：b＝0 原假设 H1：b≠0 对立假设（备择假设） 如果接受原假设或者说原假设成立（即b＝0），则因变量和自变量之间没有真正的线性关系；若拒绝原假设，即H1：b≠0成立，则说明y对x的一元线性回归成立。 第二节 回归分析 ② 计算回归系数的t统计量 其中，SE为估计标准误 第二节 回归分析 ③ 根据给定的显著性水平α（ α＝0.1，0.05，0.01），确定临界值tα（1，n－2） ④ 作出判断 如果t大于临界值tα（1，n－2），就拒绝原假设，说明x对y有显著的影响作用；反之，就接受原假设，说明x对y没有显著的影响。 第二节 回归分析 在一元线性回归分析中，回归方程的显著性检验可以代替回归系数的显著性检验，并且F＝t2。 第二节 回归分析 三、多元线性回归分析 在上节课中，我们讨论的回归问题只涉及一个自变量，但在实际问题中，影响因变量的因素往往有多个。比如，商品的需求除了受自身价格的影响外，还受消费者收入、消费者偏好、相关商品的价格等因素的影响。 第二节 回归分析 所以，在许多场合，仅仅考虑单个因素是不够的，还需要就一个因变量与多个自变量的关系进行考察，这就是多元回归。其中，多元线性回归是多元回归中比较简单的一种情形。 第二节 回归分析 （一）多元线性回归模型的数学形式及其参数估计 第二节 回归分析 β0 ，β1 ，… ，βp是p+1个未知参数， β0 称为回归常数， β1 ，… ，βp称为回归系数。 第二节 回归分析 当p＝1时，上述方程就变成了一元线性回归方程；当p≥2时，我们称上述方程为多元线性回归方程。 第二节 回归分析 多元线性回归方程的未知参数β0 ，β1 ，… ，βp的估计与一元线性回归方程的参数估计原理一样，仍然可以采用最小二乘估计。 第二节 回归分析 （二）多元线性回归方程的解释 为了给多元线性回归方程及其回归系数一个解释，我们以一个p=2的微观经济问题为例，给出回归方程的几何解释和回归系数的经济意义。 第二节 回归分析 众所周知，影响商品销售量的因素主要包括商品本身的价格以及消费者的收入两个方面。我们用y来表示某商品（彩电）的销售量，用x1表示彩电价格，用x2表示消费者的收入水平。据此可建立二元线性回归模型： 第二节 回归分析 在上式中，假定x2保持不变，则有： 第二节 回归分析 β1即可解释为在消费者收入x2保持不变时，彩电价格x1每增加一个单位，对彩电销售量y的平均增加（减少）程度。 第二节 回归分析 假定价格x1保持不变，则有： β2可解释为在彩电价格x1保持不变时，消费者收入x2每增加一个单位，彩电销售量y的平均增加程度。 第二节 回归分析 一般来说，对含有p个自变量的多元线性回归，每个回归系数βi表示在回归方程中，其他自变量保持不变的情况下，自变量xi每增加一个单位时，因变量y的平均增加程度。因此，有时也把多元线性回归的回归系数称为偏回归系数。 第二节 回归分析 为加深对此问题的理解，我们用下面的例子加以说明（1990～2004年间中国国内生产总值及第一、第二、第三产业增加值）。分别建立GDP对x1、x2 、x3的多元线性回归以及对x2 的一元线性回归，在两个方程中自变量x2系数有何差异？为什么？ 第二节 回归分析