一元线性回归结果的显著性检验参考.pptVIP

* ? y 的平均值的置信区间估计 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E(y0)的估计区间 ，这一估计区间称为置信区间 E(y0) 在1-?置信水平下的置信区间为 式中：Sy为估计标准误差 * 【例】根据前例，求出人均国民收入为1250.7元时，人均消费金额95%的置信区间 解：根据前面的计算结果 ＝712.57，Sy=14.95， t???(13-2)＝2.201，n=13 置信区间为: 712.57?10.265 人均消费金额95%的置信区间为702.305元~722.835元之间 * ? y 的个别值的预测区间估计 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区间，这一区间称为预测区间 y0在1-?置信水平下的预测区间为 注意！ * 【例】根据前例，求出1990年人均国民收入为1250.7元时，人均消费金额的95%的预测区间 解：根据前面的计算结果有 ＝712.57，Sy=14.95，t???(13-2)＝2.201，n=13 的置信区间为 712.57?34.469 人均消费金额95%的预测区间为678.101元~747.039元之间 * 影响区间宽度的因素 1. 置信水平 (1 - ?) 区间宽度随置信水平的增大而增大 2. 数据的离散程度 (s) 区间宽度随离散程度的增大而增大 3. 样本容量 区间宽度随样本容量的增大而减小 4. 用于预测的 xp与?x的差异程度 区间宽度随 xp与?x 的差异程度的增大而增大 * 置信区间、预测区间、回归方程 xp y x ?x 预测上限 置信上限 预测下限 置信下限 * 为你的难过而快乐的 是敌人， 为你的快乐而快乐的 是朋友， 为你的难过而难过的 就是那些该放进心里的人。 谢 谢 ！ * * * * * * * * * * * * * * 124 Note: 1. As we move farther from the mean, the bands get wider. 2. The prediction interval bands are wider. Why? (extra Syx) 一、回归结果的显著性检验 1.线性关系的检验 ①检验自变量与因变量之间的线性关系是否显著 ②将回归均方(MSR)同残差均方(MSE)加以比较，应用F 检验来分析二者之间的差别是否显著 回归均方：回归平方和SSR除以相应的自由度(自变量的个数) 残差均方(MSE) ：残差平方和SSE除以相应的自由度(n-2). 线性关系的检验的步骤 提出假设 H0：?1=0 线性关系不显著 2. 计算检验统计量F 确定显著性水平?，并根据分子自由度1和分母自由度n-2找出临界值F ? 作出决策：若FF ?,拒绝H0；若FF ?,不能拒绝H0 例题分析 (以前面资料) 提出假设 H0： ?1=0 不良贷款与贷款余额之间的线性关系不显著 计算检验统计量F 确定显著性水平?=0.05，并根据分子自由度1和分母自由度25-2找出临界值F ?=4.28 作出决策：若FF ?,拒绝H0，线性关系显著 方差分析表 Excel 输出的方差分析表 2.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 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 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sy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???，不能拒绝H0 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线性关系 回归系数的检验例题分析表 ?P 值的应用 P=0.000000?=0.05，拒绝原假设，不良贷款与贷 款余额之间有线性关系 3、三种检验的关系 在一元线性回归分析中，回归系数显著性的t检验、回归方程显著性的F检验，相关系数显著性 t检验，三者等价的，检验结果是完全