[2018年最新整理]二元回归分析.pptVIP

二元回归分析 二元回归分析（bivariate regression analysis） 回归分析的主要功能：在解释一个经验现像中所观察到的变化 二元回归：回归模型中仅有一个依变数以及一个自变数 一、二元回归模型 y是依变数， x是自变数 a是截距或常数（intercept或 constant） b是回归系数或称为斜率（regression coefficient ） 教育水平是不是会影响个人的工资？ y是个人月工资（“元”） x是教育水平（ “年”） 200是截距 100是回归系数 回归系数的解释： 当自变数增加一个单位时，依变数会增加 b个单位 每多受一年的教育，个人的工资就会增加100元 回归系数 b 代表自变数对依变数的影响力 二、非一对一的对应关系 一对一的对应关系：每一个自变数的值都仅有一个依变数的值相对应 非一对一的对应关系：每一个自变数的值都可能有数个依变数的值相对应 非一对一的对应关系： e误差（errors）, 预测值 回归系数b：平均而言（on average），当自变数增加一个单位时，依变数会增加 b 个单位 三、最小平方法 (Method of Least Squares) 因为非一对一的对应关系 ，回归线的认定不是那么直接了当 问题是我们该选那一条回归线？选择的标准又是什么？ 选项１－ 最小误差和：找一条直线，使观察值（y）与预测值（ ）的误差和为最小, 也就是， 　　　　　　为最小　　　　　　 选项２－最小平方法 ：找一条使观察值（y）与预测值（　）间误差平方和（the sum of squares of the errors）为最小的直线,也就是， 为最小 四、回归模型的解释力 散布图（scatter plot） R2（Coefficient of Determination） R2 指的是“依变数中被自变数解释的变异量之比例”。 R2的值最大为1，最小为0 如R2 = 0.26，这表示自变数可解释依变数里26%的变异量 五、回归分析的假设检定 样本回归模型 母体回归模型 回归分析的逻辑 假设在母体中自变数对依变数有影响 然后将两变数纳入回归模型中，以样本资料计算出回归系数 b 假定这个回归系数 b 不是0，表示在样本中自变数对依变数确有影响 但是这是否也显示母体模型中的回归系数 不等於0？ 如果　　　就表示在母体中自变数对依变数没有影响 所以须要检证在样本回归系数 b 不等於 0 的情形下，母体回归系数 是不是也不等於 0 假设检定的程序： １）设立假设 ２）决定显著程度（α ） ３）设立决定规则 ４）计算检定数据 ５）结论 研究问题：外资的流入是否会影响开发中国家的经济成长率 ？ y是经济成长率 x是外资的流入 １）设立假设 (双尾检定)： 虚无假设： 母体回归系数等於0，外资的流入对这些国家经济成长率没有影响 对立假设： 母体回归系数不等於0，表示外资的流入对这些国家经济成长率有影响 ２）决定显著程度（α ） ３）决定规则为： 如果 0 在以样本回归系数建立的信赖区间内，无法拒绝虚无假设（统计不显著） 如果 0 不在以样本回归系数建立的信赖区间内，拒绝虚无假设（统计显著） ４）计算检定数据 如 　，自由度为 或　0.054 – 0.268 　　 ５）结论 因为 0 不在信赖区间内，显示在95%信赖区间内母体回归系数为 0 的机率不超过5%。因此我们可以拒绝虚无假设 结论是外资的流入对这些国家经济成长率有影响。 回归分析的假设检定也可以 t 分数检定，或 p 值检定 t 分数检定法 (双尾检定，设 　) 　　　 统计上显著 　　　 统计上不显著 p 值检定法（双尾检定） 如 p ?,拒绝H0 如 p ?,无法拒绝H0 简易双尾检定法 如 回归系数与其标准误比率的绝对值大於 2，则表示在双尾检定的逻辑下，样本回归系数 b 在统计上是显著的 　 单尾检定： p 值检定法 决定规则 如 α, 拒绝H0 如 α, 无法拒绝H0 * y=200+100x 200 * *