《应用回归分析》第二版.doc

《应用回归分析》第二版 应用回归分析 Applied Regression Analysis 教材 何晓群，刘文卿： 《应用回归分析》第二版， 中国人民大学出版社，2007年 统计软件 SPSS 131.0 Statistical Package for the Social Science 章 节 目 录 第1章 回归分析概述 第2章 一元线性回归 第3章 多元线性回归 第4章 违背基本假定的情况 第5章 自变量选择与逐步回归 第6章 多重共线性的情形及其处理 第7章 岭回归 第8章 非线性回归 第9章 含定性变量的回归模型 第1章 回归分析概述 1 .1 变量间的统计关系 1 .2 回归方程与回归名称的由来 1 .3 回归分析的主要内容及其一般模型 1 .4 建立实际问题回归模型的过程 1 .5 回归分析应用与发展述评 思考与练习 1 .1 变量间的统计关系 函数关系 商品的销售额与销售量之间的关系 y = px 圆的面积与半径之间的关系 S=??R2 原材料消耗额与产量(x1) 、单位产量消耗(x2) 、原材料价格(x3)之间的关系 y = x1 x2 x3 1 .1 变量间的统计关系 1 .1 变量间的统计关系 相关关系的例子 子女身高 (y)与父亲身高(x)之间的关系 收入水平(y)与受教育程度(x)之间的关系 粮食亩产量(y)与施肥量(x1) 、降雨量(x2) 、温度(x3)之间的关系 商品的消费量(y)与居民收入(x)之间的关系 商品销售额(y)与广告费支出(x)之间的关系 1 .1 变量间的统计关系 1 .2 回归方程与回归名称的由来 成年儿子身高 父母平均身高 英国统计学家F.Galton(1822-1911年)。 F.Galton和他的学生、现代统计学的奠基者之一K.Pearson(1856—1936年)在研究父母身高与其子女身高的遗传问题时,观察了1 078对夫妇, 1 .3 回归分析的主要内容及其一般模型 1 .4 建立实际问题回归模型的过程 设置指标变量 收集整理数据 构造理论模型 估计模型参数 修改 N 模型运用 Y 经济因素分析 经济变量控制 经济决策预测 实 际 问 题 模型 检验 1 .5 回归分析应用与发展述评 从高斯提出最小二乘法算起,回归分析已经有200年的历史。 从1969年设立诺贝尔经济学奖以来,已有近50位学者获奖,其中绝大部分获奖者是统计学家、计量经济学家、数学家。他们对统计学及回归分析方法的应用都有娴熟的技巧。 第2章 一元线性回归 2 .1 一元线性回归模型 2 .2 参数β0、β1的估计 2 .3 最小二乘估计的性质 2 .4 回归方程的显著性检验 2 .5 残差分析 2 .6 回归系数的区间估计 2 .7 预测和控制 2 .8 本章小结与评注 2 .1 一元线性回归模型 例2 .1 表2.1列出了15起火灾事故的损失及火灾发生地与最近的消防站的距离。 表2.1 火灾损失表 2 .1 一元线性回归模型 例2.2 全国人均消费金额记作y(元); 人均国民收入记为x(元) 表2.2 人均国民收入表 2 .1 一元线性回归模型 一元线性回归模型 y=β0+β1x+ε 回归方程 E（y|x）=β0+β1x 2 .1 一元线性回归模型 样本模型 yi=β0+β1xi+εi, i=1,2,…,n 回归方程 E(yi)=β0+β1xi ,var(yi)=σ2， 样本观测值(x1,y1),(x2,y2),…,(xn,yn) 经验回归方程 2 .2 参数β0、β1的估计 一、普通最小二乘估计 (Ordinary Least Square Estimation,简记为OLSE) 最小二乘法就是寻找参数β0、β1的估计值使离差平方和达极小 称为yi的回归拟合值,简称回归值或拟合值 称为yi的残差 2 .2 参数β0、β1的估计 2 .2 参数β0、β1的估计 经整理后,得正规方程组 2 .2 参数β0、β1的估计 得OLSE 为 记 2 .2 参数β0、β1的估计 续例2.1 回归方程 2 .2 参数β0、β1的估计 二、最大似然估计 连续型：是样本的联合密度函数： 离散型：是样本的联合概率函数。 似然函数并不局限于独立同分布的样本。 似然函数 在假设εi～N(0,σ2)时,由（2.10）式知yi服从如下正态分布: 2 .2 参数β0、β1的估计 二、最大似然估计 y1,y2,…,yn