CH14简单线性回归.ppt

異質性 誤差變數的變異數　 必須是常數。當這項條件被違反時，則稱此情況為異質性(heteroscedasticity)。 診斷異質性的一種方法適繪製殘差相對於 y 預測值的圖。 14.* 第14章 簡單線性迴歸和相關分析 第441頁 異質性 誤差變數的變異數　 必須是常數。當這項條件被違反時，則稱此情況為異質性(heteroscedasticity)。我們在繪有各點的圖中尋找散佈狀況的改變： 14.* 沒有異質性的現象。 ? 第14章 簡單線性迴歸和相關分析 第442頁 圖14.12 誤差變數的非獨立性 如果我們每星期觀察汽車的拍賣價格長達一年的時間，則將構成一個時間序列。 當資料為時間序列，誤差經常是相關的。跨時間相關的誤差項目稱為自我相關(autocorrelated) 或是序列相關(serially correlated)。 我們通常可以藉由繪製殘差相對於時間點的圖來偵測自我相關。如果出現某種型態，很可能獨立性的條件是被違反的。 14.* 第14章 簡單線性迴歸和相關分析 第442-443頁 離群值 一個離群值(outlier)是一個非常小或非常大的觀測值。 為了說明，思考範例14.2，其中哩程表讀數的值域是從19.1 到49.2( 千) 哩。如果我們觀察到一個5,000 哩的數值，我們將會認定該點為一個離群值。 14.* 第14章 簡單線性迴歸和相關分析 第444頁 離群值 我們必須調查幾種可能性： 記錄該數值時發生了錯誤。 該點不應該被包括在樣本中。 觀測值單純的是一個非常大或小的數值，它是屬於樣本而且被適當地記錄。 離群值可以從散佈圖被辨識出來。 標準化殘差也可以用來辨識離群值。大的標準化殘差絕對值（ 2）應該被徹底的檢查。 它們必須被處理，因為它們對最小平方線的建立很可能會有影響。 14.* 第14章 簡單線性迴歸和相關分析 第444頁 迴歸診斷的程序 發展一個具有理論基礎的模型 蒐集兩個變數的資料。 繪製散佈圖以決定線性模式是否適當。辨識可能的離群值。 決定迴歸方程式。 計算殘差並且檢查必要的條件。 評估模式的配適度。 如果模型配適資料良好，則可使用迴歸方程式預測依變數的一個特別的值和/ 或估計它的平均數。 14.* 第14章 簡單線性迴歸和相關分析 第445-446頁 Keller: Stats for Mgmt Econ, 7th Ed * Copyright ? 2006 Brooks/Cole, a division of Thomson Learning, Inc. * 估計標準誤 若?? 很小，適配是優良的，且線性模型可以用於預測。 若?? 很大，模型是不良的… 但什麼是小?什麼是大呢? 第14章 簡單線性迴歸和相關 14.* 範例14.3 二手Toyota Camry 的哩程表讀數與價格，第二部分 對範例14.2 求出估計標準誤並且敘述它告訴你什麼有關模式配適度的訊息。 第14章 簡單線性迴歸和相關分析 第422頁 14.* 範例14.3 二手Toyota Camry 的哩程表讀數與價格，第二部分 為了計算估計的標準誤，我們必須計算SSE，它是由樣本變異數與共變異數計算而得。我們已經算出共變異數與x 的變異數。它們分別是－2.909 與43.509。y 的樣本變異數( 應用簡易計算方法) 是 第14章 簡單線性迴歸和相關分析 第422頁 14.* 範例14.3 二手Toyota Camry 的哩程表讀數與價格，第二部分 估計的標準誤如下： 第14章 簡單線性迴歸和相關分析 第422頁 14.* 我們藉由比較sε 與依變數 的樣本平均數，以判 斷sε 數值的大小。 在此範例中，sε = .3265 且 = 14.841 所以它確實顯示估計標準誤的數值是“小的”， 因此車子價格的線性迴歸模型如同哩程表的函 數是“良好的”。 範例14.3 二手Toyota Camry 的哩程表讀數與價格，第二部分 第14章 簡單線性迴歸和相關分析 第423頁 14.* 檢定斜率 若兩個變數間不存在線性關係，我們將預估迴歸 線是一條水平線，斜率為 0。 我們考慮是否有線性關係，如：我們考慮斜率 (β1)是否為零以外的數值。我們的研究假設變成： H1: β1 ≠ 0 因此，虛無假設變成： H0: β1 = 0 14.* 第14章 簡單線性迴歸和相關分析 第423-424頁 檢定斜率 我們可以執行這個檢定統計量以測試我們的假設： 是b1的標準誤，解釋為： 假設誤差變項( )是常態分布，