8 应用统计学(教案)相关与回归分析【统计学经典】.pptVIP

第八章重要公式 1. 总体相关系数 2. 样本相关系数 3. 总体回归函数（PRF） 4. 样本回归函数（SRF） 第八章重要公式（续1） 5. 最小二乘估计 6. 的无偏估计 7. 可决系数 第八章重要公式（续2） 8. 修正可决系数 9. t检验统计量 10. F检验统计量 11. 置信度为 的预测区间 第8章结束了! 对可决系数的理解 可决系数的特点 可决系数是非负的统计量； 可决系数取值范围： ； 可决系数是样本观测值的函数，可决系数是随抽样而变动的随机变量； 在一元线性回归中，可决系数在数值上是简单线性相关系数的平方： ， 回归系数显著性的 t 检验 目的： 根据样本回归估计的结果对总体回归函数回归 系数的有关假设进行检验，以检验总体回归系数是 否等于某个特定的数值。 思想： 是未知的，而且不一定能获得大样本，这时可用 的无偏估计 代替 去估计参数的标准误差： 回归系数显著性的 t 检验(续) 用估计的参数标准误差对估计的参数作标准化变 换，所得的 t 统计量将不再服从正态分布，而是服 从 t 分布： 可利用 t 分布作有关的假设检验。 回归系数显著性 t 检验的方法 (1) 提出假设 一般假设: 常用假设: (2) 计算统计量 (3)给定显著性水平α，确定临界值 (4) 检验结果判断 若 则拒绝原假设，而接受备择假设 若 则接受原假设 , 拒绝备择假设 回归系数显著性的P值检验——P值的意义 P值的意义: 在既定原假设下计算回归系数的t统计量 ，可求得 统计量大于 的概率 ： 这里的 是 t 统计量大于 值的概率，是尚不能拒 绝原假设 的最大显著水平，称为所估 计的回归系数的P值。 回归系数显著性的P值检验 ——检验方法 回归系数显著性的P值检验方法: 将所取显著性水平与P值对比 ▲所取的显著性水平 （例如取0.05）若比P 值更大，就可在显著性水平 下拒绝 ▲所取的 若小于P值，就应在显著性水平 下接受 五、简单线性回归模型预测 对平均值的点预测值 ： Y的个别值置信度为1－α的预测区间： 因变量的区间预测的特点 （1）个别值的预测区间大于平均值的预测区间: Y平均值的预测值与真实平均值有误差，主要是受抽样波动影响; Y个别值的预测值与真实个别值的差异不仅受抽样波动影响，而且还受随机扰动项的影响 （2）对 预测区间随 变化而变化: 时， =0，此时预测区间最窄， 越是远离 ， 越大，预测区间越宽。 因变量的区间预测的特点(续) （3）预测区间与样本容量有关：样本容量n越 大， 越大，预测误差的方差越小，预 测区间也越窄。 （4）当样本容量趋于无穷大（即n→∞）时, 不存在抽样误差，平均值预测误差趋于0，此时个别值的预测误差只决定于随机扰动的方差。 8.3 多元线性相关与回归分析 一、多元线性回归模型及假定 二、多元线性回归模型的估计 三、多元线性回归模型的检验 四、多元线性回归模型的预测 五、复相关系数和偏相关系数 一、多元线性回归模型及假定 多元总体线性回归函数 一般形式 条件均值形式 多元线性样本回归函数： 一般形式 条件均值形式 多元线性回归模型的矩阵表示 多元总体线性回归模型的矩阵表示 Y=Xβ+U 多元线性样本回归函数的矩阵表示