实用回归分析(1_3).pptVIP

4.2 一元加权最小二乘估计 （2）计算等级相关系数。 残差绝对值与自变量显著相关，误差存在异方差性。 * ad 4.2 一元加权最小二乘估计 用SPSS计算等级相关系数。 Transform——Compute——算出残差绝对值 |ei|=abs(ei)； Correlate——Bivariate——Spearman * ad 4.2 一元加权最小二乘估计 Spearman等级相关系数可以反映非线性相关的情况（可以如实反映单调递增或者单调减趋势的变量间的相关性） Pearson简单相关系数不能反映非线性相关的情况 (只适宜衡量直线趋势的变量间的相关性)。 例如x与y的取值如下， 序号 1 2 3 4 5 6 7 8 9 10 x 1 2 3 4 5 6 7 8 9 10 y 1 4 9 16 25 36 49 64 81 100 容易计算出y与x的简单相关系数r=0.9746， 而y与x的等级相关系数rs=1 具有完全的曲线相关。 * ad 4.2 一元加权最小二乘估计 二、一元加权最小二乘估计 存在异方差性——对原模型变换（变换后满足同方差假设）——模型参数估计 消除异方差性的方法通常有： 加权最小二乘法, Box-Cox变换法, 方差稳定性变换法 加权最小二乘法(Weighted Least Square,简记为WLS)是一种最常用的消除异方差性的方法。 * ad 4.2 一元加权最小二乘估计 二、一元加权最小二乘估计 一元线性回归普通最小二乘法的离差平方和为： 一元线性回归的加权最小二乘的离差平方和为： * ad 4.2 一元加权最小二乘估计 加权最小二乘估计为： 其中， 是自变量的加权平均； 是因变量的加权平均。 * ad 4.2 一元加权最小二乘估计 观测值的权数应该是观测值误差项方差的倒数,即 在实际问题中,误差项的方差是未知的,常与自变量x的幂函数xm成比例，其中m是待定的未知参数。此时权函数为 误差项方差较大的观测值接受较小的权数； 误差项方差较小的观测值接受较大的权数。 * ad 4.2 一元加权最小二乘估计 三、寻找最优权函数 利用SPSS软件可以确定幂指数m的最优取值。 依次点选Analyze-Regression-Weight Estimation进入估计权函数对话框，默认的幂指数m的取值为 m=-2.0，-1.5，-1.0，-0.5，0，0.5，1.0，1.5，2.0。 先将因变量y与自变量x选入各自的变量框，再把x选入Weight变量框，幂指数（Power）取默认值，计算结果如下： * ad 4.2 一元加权最小二乘估计 * ad 4.2 一元加权最小二乘估计 * ad 4.2 一元加权最小二乘估计 普通最小二乘法 * ad 4.2 一元加权最小二乘估计 幂指数m的最优取值为m=1.5。 加权最小二乘的r2=0.9360，F值=423.741； 普通最小二乘的r2=0.912，F值=300.732。 说明加权最小二乘估计的效果好于普通最小二乘的效果。 * ad 先计算权 再计算加权残差 * ad 先计算权 再计算加权残差 * ad 4.2 一元加权最小二乘估计 图4.2 加权最小二乘残差图残差图 * ad 4.2 一元加权最小二乘估计 序号 小 方 差 组 1 264 8777 1.2161E-06 169 211 2 105 9210 1.1314E-06 -27 14 3 90 9954 1.0069E-06 -105 -66 4 131 10508 9.2837E-07 -111 -74 5 122 10979 8.6927E-07 -159 -124 6 107 11912 7.6917E-07 -253 -221 7 406 12747 6.9485E-07 -25 4 8 503 13499 6.3760E-07 8 35 9 431 14269 5.8669E-07 -129 -105 10 588 15522 5.1710E-07 -78 -58 * ad adas das adas das adas das adas das adas das adas das adas das adas das adas das adas das adas das adas das adas das adas das adas das 第四章 违背基本假设的情况 4.1 异方差性产生的背景和原因 4.2 一元加权最小二乘