第6章 回归与相关分析PPT.ppt

2010年11月 残差图(形态及判别) ? ? ? ? ? ? ? ? ? ? (a)满意模式 ? ? ? ? ? ? ? ? ? ? ? 残差 x ? 0 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? (b)非常数方差 ? ? ? ? ? ? ? ? ? 残差 x ? 0 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? (c)模型不合适 ? ? ? ? ? ? ? ? ? 残差 x ? 0 ? ? 2010年11月 残差与标准化残差图(例题分析) 点预测值 残差 标准残差 2010年11月 残差图(例题分析) 销售收入与广告费用回归的残差图 2010年11月 8.4.2 检验正态性 8.4 用残差证实模型的假定 2010年11月 标准化残差(standardized residual) 残差除以它的标准差 也称为Pearson残差或半学生化残差(semi-studentized residuals) 计算公式为 注意：Excel给出的标准残差的计算公式为 这实际上是学生化删除残差(studentized deleted residuals) 2010年11月 标准化残差图 ? 用以直观地判断误差项服从正态分布这一假定是否成立 若假定成立，标准化残差的分布也应服从正态分布 在标准化残差图中，大约有95%的标准化残差在-2到+2之间 2010年11月 标准化残差图(例题分析) 销售收入与广告费用回归的标准化残差图 2010年11月 本章小结 相关关系的分析 参数的最小二乘估计 回归直线的拟合优度 回归方程的显著性检验 利用回归方程进行预测 用残差证实模型的假定 用 Excel 和SPSS进行回归 2010年11月 结 束 2010年11月 Karl Gauss的最小化图 x y (xn , yn) (x1 , y1) ? ? ? ? ? ? ? ? ? (x2 , y2) (xi , yi) ei = yi-yi ＾ 2010年11月 参数的最小二乘估计 ( 和 的计算公式) ? 根据最小二乘法，可得求解 和 的公式如下 2010年11月 参数的最小二乘估计(例题分析) 【例】求销售收入与广告费用的估计回归方程 ，并解释回归系数的含义 第1步：选择【工具】下拉菜单，并选择【数据分析】选项 第2步：在分析工具中选择【回归】 ，选择【确定】 第2步：当对话框出现时 在【Y值输入区域】设置框内键入Y的数据区域 在【X值输入区域】设置框内键入X的数据区域 在【置信度】选项中给出所需的数值 在【输出选项】中选择输出区域 在【残差】分析选项中选择所需的选项 2010年11月 参数的最小二乘估计(例题分析) 【例】求销售收入与广告费用的估计回归方程 ，并解释回归系数的含义 2010年11月 参数的最小二乘估计(例题分析) 2010年11月 8.2.3 回归直线的拟合优度 8.2 一元线性回归的估计和检验 2010年11月 变差 因变量 y 的取值是不同的，y 取值的这种波动称为变差。变差来源于两个方面 由于自变量 x 的取值不同造成的 除 x 以外的其他因素(如x对y的非线性影响、测量误差等)的影响 对一个具体的观测值来说，变差的大小可以通过该实际观测值与其均值之差 来表示 2010年11月 误差分解图 x y y ? 2010年11月 误差平方和的分解 (误差平方和的关系) SST = SSR + SSE 总平方和 (SST) { 回归平方和 (SSR) 残差平方和 (SSE) { { 2010年11月 误差平方和的分解 (三个平方和的意义) 总平方和(SST—total sum of squares) 反映因变量的 n 个观察值与其均值的总误差 回归平方和(SSR—sum of squares of regression) 反映自变量 x 的变化对因变量 y 取值变化的影响，或者说，是由于 x 与 y 之间的线性关系引起的 y 的取值变化，也称为可解释的平方和 残差平方和(SSE—sum of squares of error) 反映除 x 以外的其他因素对 y 取值的影响，也称为不可解释的平方和或剩余平方和 2010年11月 判定系数R2  (coefficient of determination) 回归平方和占总误差平方和的比例 反映回归直线的拟合程度 取值范围在 [ 0 , 1 ] 之间 R2 ?1，说明回归方程拟合的越好；R2?0，说明回归方程拟合的越差