关于数学分数和家庭收入总体和样本回归.docVIP

关于数学分数和家庭收入的总体和样本回归 班级： 国贸1班 姓名： 张生忠 学号： 25 总体回归函数 不同家庭收入水平下的数学成绩 家庭收入 学生 5,000 15,000 25,000 35,000 45,000 55,000 65,000 75,000 90,000 150,000 1 460 480 460 520 500 450 560 530 560 570 2 470 510 450 510 470 540 480 540 500 560 3 460 450 530 440 450 460 530 540 470 540 4 420 420 430 540 530 480 520 500 570 550 5 440 430 520 490 550 530 510 480 580 560 6 500 450 490 460 510 480 550 580 480 510 7 420 510 440 460 530 510 480 560 530 520 8 410 500 480 520 440 540 500 490 520 520 9 450 480 510 490 510 510 520 560 540 590 10 490 520 470 450 470 550 470 500 550 600 均分 452 475 478 488 496 505 512 528 530 552 根据以上数据制散点图，见下图。图中，对于每一个家庭收入水平，有若干个数学分数。连线的数据点（系列11）即每组收入水平下的平均分。 由于总体回归线近似线性，因此可以表示成如下函数形式： E()=+ 该式表示了给定X条件下，Y分布的均值，称为总体回归函数。 总体回归函数给出了自变量每个取值对应的应变量的平均值。但是，对于其中一个学生，在特定X的情况下，他的成绩并不一定等于均值水平。这是因为存在误差项。 Y（数学分数） X（家庭收入） 均值（即随机函数的确定部分） 随机误差项 470 5000 452 18 420 15000 475 -55 440 25000 478 -38 490 35000 488 2 510 35000 496 14 530 55000 505 25 540 55000 512 28 540 75000 528 12 570 90000 530 40 590 150000 552 38 =++ 怎么解释随机误差项呢？以第四行为例：当家庭收入为35000美元时，某一个学生的数学分数为490分，但在该收入水平下的数学平均分数为488分，因此，这个学生的数学分数比均值（即系统部分）高2分，即随机误差项为2。 样本回归函数 随机样本1 随机样本2 Yi Xi Y X 420 5000 420 5000 450 15000 520 15000 470 25000 470 25000 460 35000 450 35000 500 45000 470 45000 530 55000 550 55000 560 65000 470 65000 560 75000 500 75000 570 90000 550 90000 590 150000 600 150000 由上表做出的两个样本的散点图及样本的线性回归线如下： 通过散点，可得到样本回归线，但他们至多是对总体回归线的近似，其式子为： ?i =b1+b2 在本例中得到样本回归函数为 ?i = 0.0013x + 440.69 对其估计结果解释：斜率系数0.0013表示在其他条件不变的情况下，家庭年收入每增加1美元，数学成绩平均提高0.0013分。截距440.69表示。当家庭收入为0时，数学平均分大约为440.69分，但截距通常没有什么经济意义。 从散点图可以看到，并非所有的样本数据都准确的落在各个样本回归线上，因此，需要建立随机样本回归函数： =b1+b2+ei ei表示了Y的实际值与根据样本回归得到的估计值的差，即ei=- ? Yi Xi ei 420 5000 447.19 -27.19 450 15000 460.19 -10.19 470 25000 473.19 -3.19 460 35000 486.19 -26.19 500 45000 499.19 0.81 530 55000 512.19 17.81 560 65000 525.19 34.81 560 75000 538.19 21.81 570 90000 557.69 12.31 59