第8章一元线性回归.pptVIP

124 Note: 1. As we move farther from the mean, the bands get wider. 2. The prediction interval bands are wider. Why? (extra Syx) 139 24 This teleology is based on the number of explanatory variables nature of relationship between X Y. 线性关系的检验 (方差分析表) Excel 输出的方差分析表 回归系数的检验 在一元线性回归中，等价于线性关系的显著性检验 采用t检验 检验 x 与 y 之间是否具有线性关系，或者说，检验自变量 x 对因变量 y 的影响是否显著 理论基础是回归系数 的抽样分布 回归系数的检验(样本统计量 的分布) 是根据最小二乘法求出的样本统计量，它有自己的分布 的分布具有如下性质 分布形式：正态分布 数学期望： 标准差： 由于? 未知，需用其估计量se来代替得到 的估计的标准差 回归系数的检验 (检验步骤) 提出假设 H0: b1 = 0 (没有线性关系) H1: b1 ? 0 (有线性关系) 计算检验的统计量 确定显著性水平?，并进行决策 ? t?t???，拒绝H0；? t?t???，不拒绝H0 回归系数的检验 (例题分析) ?对例题的回归系数进行显著性检验(?＝0.05) 提出假设 H0：b1 = 0 H1：b1 ? 0 计算检验的统计量 t=7.533515t???=2.201，拒绝H0，表明不良贷款与贷款余额之间有显著的线性关系 回归系数的检验 (例题分析) ?P 值的应用 P=0.000000?=0.05，拒绝原假设，不良贷款与贷 款余额之间有显著的线性关系 回归分析结果的评价 建立的模型是否合适？或者说，这个拟合的模型有多“好”？要回答这些问题，可以从以下几个方面入手 所估计的回归系数 的符号是否与理论或事先预期相一致 在不良贷款与贷款余额的回归中，可以预期贷款余额越多不良贷款也可能会越多，也就是说，回归系数的值应该是正的，在上面建立的回归方程中，我们得到的回归系数 为正值 如果理论上认为x与y之间的关系不仅是正的，而且是统计上显著的，那么所建立的回归方程也应该如此 在不良贷款与贷款余额的回归中，二者之间为正的线性关系，而且，对回归系数的t检验结果表明二者之间的线性关系是统计上显著的 回归模型在多大程度上解释了因变量y取值的差异？可以用判定系数R2来回答这一问题 在不良贷款与贷款余额的回归中，得到的R2=71.16%，解释了不良贷款变差的2/3以上，说明拟合的效果还算不错 考察关于误差项?的正态性假定是否成立。因为我们在对线性关系进行F检验和回归系数进行t检验时，都要求误差项?服从正态分布，否则，我们所用的检验程序将是无效的。?正态性的简单方法是画出残差的直方图或正态概率图 回归分析结果的评价 Excel输出的部分回归结果 名称 计算公式 Adjusted R Square Intercept的抽样标准误差 Intercept95%的置信区间 斜率95%的置信区间 8.3 利用回归方程进行估计和预测 8.3.1 点估计 8.3.2 区间估计 利用回归方程进行估计和预测 根据自变量 x 的取值估计或预测因变量 y的取值 估计或预测的类型 点估计 y 的平均值的点估计 y 的个别值的点估计 区间估计 y 的平均值的置信区间估计 y 的个别值的预测区间估计 点估计 点估计 2. 点估计值有 y 的平均值的点估计 y 的个别值的点估计 在点估计条件下，平均值的点估计和个别值的的点估计是一样的，但在区间估计中则不同 对于自变量 x 的一个给定值x0 ，根据回归方程得到因变量 y 的一个估计值 y 的平均值的点估计 ?利用估计的回归方程，对于自变量 x 的一个给定值 x0 ，求出因变量 y 的平均值的一个估计值E(y0) ，就是平均值的点估计 在前面的例子中，假如我们要估计贷款余额为100亿元时，所有分行不良贷款的平均值，就是平均值的点估计 。根据估计的回归方程得 y 的个别值的点估计 ?利用估计的回归方程，对于自变量 x 的一个给定值 x0 ，求出因变量 y 的一个个别值的估计值 ，就是个别值的点估计 例如，如果我们只是想知道贷款余额为72.8亿元的那个分行(这里是编号为10的那个分行)的不良贷款是多少，则属于个别值的点估计 。根据估计的回归方程得 区间估计 区间估计 点估计不能给出估计的精度，点估计值与实际值之间是有误差的，因此需要进行区