一元线性回归汇编.pptVIP

9.4.1 样本确定系数 r2的取值范围 样本的全部观察值都落在 所拟和的回归直线上 SSE=0， r2=1 当X与Y无关，Y的变差完 全由于随机因素引起， 此时，SSR=0 r2=0 9.4.2 样本相关系数 样本相关系数 注:r与b1的分母均为正，分子相同,故r与b1有相同的符号。 9.4.2 样本相关系数 r的取值情况 情况一 图9-6 9.4.2 样本相关系数 情况二 图9-7 9.4.2 样本相关系数 情况三 图9-8 9.4.2 样本相关系数 情况四 图9-9 9.5 一元线性回归显著性检验 在回归函数E(Y)=β0+β1X中，如果β1=0，则对于X的一切水平E(Y)=β0，说明Y的变化与X的变化无关，因而，我们不能通过X去预测Y。所以，对模型Yi=β0+β1Xi+εi??检验β1=0是否成立，等价于检验Y与X之间是否存在线性关系。 9.5.1 b1的抽样分布 为了检验β1=0是否成立，需要构造一 个合适的统计量，因此，首先讨论b1 的抽样分布。 9.5.1 b1的抽样分布 b1是观测值Yi的线 性组合 Yi服从正态分布且 相互独立 b1也服从正态分布 9.5.1 b1的抽样分布 以下可以证明 b1的方差 9.5.1 b1的抽样分布 证明： 因为 且Yi相互独立，其中 所以，b1服从 9.5.2 F 检验 在一元线性回归中，为了检验Y对于X线性 关系的统计显著性，对β1进行F检验 1）提出假设：H0：β1=0，H1：β1≠0。 2） 构造并计算统计量： 3）查F分布临界值表，得临界值 4）比较： 接受H0，认为Y与 X不存在一元线性关系。 9.5.2 F 检验 若F 拒绝H0，认为Y与X存在一元线性关系。 表9-1 方差分析表 9.5.3 t 检验 1）提出假设 H0: H1: 2）构造并计算统计量 步 骤： 3）查t分布临界值表 得临界值 9.5.3 t 检验 4）比较 若 ，接受H0 若 ，拒绝H0 9.5.4 利用样本相关系数进行统计检验 步 骤： 1）提出假设 H0:ρ =0 H1:ρ 2）计算简单相关系数r 3）查相关系数临界值表 得临界值 ρ是总体Y与X的线性相关系数 9.5.4 利用样本相关系数进行统计检验 4）比较 若 ，接受H0 若 ，拒绝H0 9.6 模型适合性分析 在对一元线性回归模型的适合性进行分析时, 由于误差项是不可观测或测量的, 需借助残差 的图像,来考察模型是否存在以下情况：异方 差性和自相关性。 9.6.1 误差项的异方差性检验 若 不具有常数方差,称模型存在异方差性。此时,残差 如下图所示，数据点呈现发散或收敛趋势。 在此种情况 下,最小二乘法失效,因此需按照一定方法对数据进行变 换,在计量经济学课程中,对此有详细讲述。 9.6.1 误差项的异方差性检验 误差项具有异方差性的残差图 图9-10 9.6.2误差项的自相性关检验 如果观测值是来自一个时间序列的样本,则很可能 出现误差项 是不独立的,将残差 et与时间t 作残 差图,将呈现出有规则的变化趋势。称模型存在自相关(Autocorrelation)现象，也需按一定方法对数据进行修正，在计量经济学课程中也有详细论述。 9.6.2误差项的自相性关检验 误差项具有负自相关性的残差图 图9-11 9.6.2误差项的自相性关检验 误差项具有正自相关性的残差图 图9-12 第九章　一元线性回归 第九章 一元线性回归 回归分析适合研究哪类问题? 回归方程的显著性检验适合什么情况? 回归系数的显著性检验适合什么情况? 9.1 回归分析的基本概念 9.1.1 因变量(Y)与自变量(X)之间的关系 根据因变量与自变量之间的关系不同，可以分为两种类型： 函数关系 统计关系 9.1.1 因变量(Y)与自变量(X)之间的关系 1.函数关系 即对两个变量X，Y来说，当X值 确定后，Y值按照一定的规律唯一确定， 即形成一种精确的关系。 例如:微积分学中所研究的一般变量之间的 函数关系就属于此种类型。 9.1.1 因变量(Y)与自变量(X)之间的关系 2.统计关系 即当X值确定后，Y值不是唯一确定的， 但大量统计资料表明，这些变量之间还 是存在着某种客观的联系。