第八章相关与回归概要.ppt

显著性检验的步骤如下： 1）提出假设： ， ； 2）由公式计算检验统计量； 3）确定显著性水平，根据给定的显著性水平和自由度（n-2）查t分布表查构造拒绝域； 4）决策判断：若 ，拒绝H0 , 表明总体的两个变量之间存在显著的线性相关关系。 【例8-3】由上例的结果，对总体相关系数是否等于零做显著性检验。 解：取r=0.885。 1）提出假设： 2）计算检验统计量：由公式得t=5.3763； 3）假定显著性水平为0.05，查t分布表得： 4）由于t=5.3763 ，故拒绝原假设，说明总体的广告费与销售量存在相关关系 第三节回归分析 回归分析是指在相关分析的基础上，侧重于研究变量之间的影响关系，把变量之间的具体变动关系模型化，求出关系方程式，就是找出一个能够反映变量间变化关系的函数关系式，并据此进行估计和推算。 在回归分析时，我们首先要清楚识别因变量和自变量。一般是将被预测或被估计的变量（结果）作为因变量，用表示；一般将用来预测或解释因变量的一个或多个变量都称为自变量,以表示；在这里我们理解自变量和因变量之间存在因果关系，其位置不能颠倒。 一、一元线性回归模型 1.总体回归方程 假如我们已知总体的自变量和因变量所有的数据，并且其存在程度较高的线性相关关系，则可以设定总体回归模型和方程。 公式称为变量对的一元线性理论回归模型。 2. 一元线性回归模型的基本假定假定1：自变量是给定的变量，与随机误差项线性无关；假定2：误差项 是一个期望值为0的随机变量，即 。对于一个给定的x值，y的期望值为： 公式称为总体一元线性回归方程。 是回归直线在轴上的截距，是当X=0时Y的期望值；b是直线的斜率，称为回归系数，表示当x每变动一个单位时，y的平均变动值。a和b在一元线性回归分析中有着重要的意义，例如：如果x代表收入，y代表消费支出，则b表示边际消费倾向。假定3：对于所有的x值， 的方差 都相同；假定4：不同的 之间不相关；假定5：误差项 是一个服从正态分布的随机变量，且相互独立，即 3．样本回归方程在实际的分析工作中，总体的数据一般是不能全部掌握的，常用的方法是用对应的样本数据对总体进行估计。于是我们可以设定样本回归模型和样本回归方程。样本回归模型为： 样本回归方程为： 由上述公式，显然有： 一元线性回归分析的基本方法是，根据样本数据，采用最小二乘法得到样本回归方程，用样本 的 和 对总体的 和 进行估计。在这个过程中要注意的是，总体方程中的 和 是客观存在的，是我们想要知道的参数，但往往是未知的；而样本方程中的 和 是可以通过样本数据采用最小二乘法求得的，但它们会随着样本的变化而发生变化，即它们是样本统计量，是随机变量。 二、最小二乘法 进行一元线性回归分析（确定 和 ）时，最为简便的方法是最小二乘法（简称OLS）。 最小二乘法的基本思想是：要使估计值 与实际观测值 的偏差最小，由公式可知，也就是使 为最小；但是由于 是可正可负的，可以证明 是等于零的。所以，我们用 （残差平方和）作为衡量 和 偏差程度的标准，即要求 。 由公式得： 由于样本数据中的所有 和 是已知的，所以 的值取决于 和 。也就是说 是关于 和 的函数，记为： 由微积分知识可知，函数有最小值的心要条件是对于和的两个偏导数为零，即： 上述两个公式组成的方程组称为正规方程组。 解正规方程组可求得 和 ： 【例8-4】根据【例8-1】中表8-2的数据，对销售量对广告费进行一元线性回归分析。 解：由相关分析知，销售量与广告费之间存在线性相关关系，其中销售量是被解释变量(因变量)，广告费是解释变量（自变量）。 建立样本回归方程： 其中： —销售量， —广告费。 用Excel按步骤进行计算，结果如下： SUMMARY OUTPUT 回归统计 Multiple R 0.885071 R Square 0.783351 Adjusted R Square 0.75627 标准误差 5.043674 观测值 10 方差分析 　 df SS MS F Significance F 回归分析 1 735.8398 735.8398 28.92605 0.000663 残差 8 203.5092 25.43865 总计 9 939.349 　 　 　 　 Coefficients 标准误差 t Stat P-value Lower 95% Upper 95% Intercept