第8章 相关与回归分析PPT.ppt

线性关系检验 提出假设 H0：?1??2????k=0 线性关系不显著 H1：?1，?2，?，?k至少有一个不等于0 2. 计算检验统计量F 确定显著性水平?和分子自由度p、分母自由度 n-k-1找出临界值F ? 4. 作出决策：若FF ?，拒绝H0 回归系数检验和推断 回归系数的检验 线性关系检验通过后，对各个回归系数有选择地进行一次或多次检验 究竟要对哪几个回归系数进行检验，通常需要在建立模型之前作出决定 对回归系数检验的个数进行限制，以避免犯过多的第一类错误(弃真错误) 对每一个自变量都要单独进行检验 应用 t 检验统计量 回归系数的检验(步骤) 提出假设 H0： bi = 0 (自变量 xi 与 因变量 y 没有线性关系) H1： bi ? 0 (自变量 xi 与 因变量 y有线性关系) 计算检验的统计量 t 确定显著性水平?，并进行决策 ? t?t???，拒绝H0； ? t?t???，不能拒绝H0 相关系数分析 复相关系数 简单相关系数 R= 偏相关系数 解释变量的选择 前进法 对全部个自变量，分别对因变量y建立k个一元线性回归方程，并分别计算这个一元回归方程的F检验值，记为｛F 11，F 21，F 31，…，F k1｝；选其最大的记为： Fj1＝max｛F 11，F 21，F 31，…，F k1｝ 给定显著性水平α，若Fj1≥Fα(1，n-2），则首先引入方程，不妨设就是x1。 前进法 因变量分别与(x1，x2)， (x1，x3) …，(x1，xk)，建立k-1个二元线性回归方程，对这个回归方程中x2， x3，…，xk的回归系数进行偏F检验，计算偏F值，记为｛F 22， F 32，…，F k2｝；选其最大的记为： Fj2＝max｛F 22， F 32，…，F k2｝ 若Fj2 ≥Fα（1，n-3），则接着将引入回归方程 依上述方法接着做下去。直至所有未被引入方程的自变量的偏F值均小于Fα（1，n-k-1）时止。这时，得到的回归方程就是最终确定的方程 点预测 ?利用估计的回归方程，对于自变量 x 的一个给定值 x0 ，求出因变量 y 的一个个别值的估计值 ，就 是个别值的点预测 ?利用估计的回归方程，对于自变量 x 的一个给定值 x0 ，求出因变量 y 的平均值的一个估计值E(y0) ，就是平均值的点预测 区间估计 区间预测 点预测不能给出估计的精度，点预测值与实际值之间是有误差的，因此需要进行区间估计 对于自变量 x 的一个给定值 x0，根据回归方程得到因变量 y 的一个估计区间 区间预测有两种类型 预测区间预测(prediction interval estimate) 置信区间预测(confidence interval estimate) 个别值的区间预测 利用估计的回归方程，对于自变量 x 的一个给定值 x0 ，求出因变量 y 的一个个别值的估计区间，这一区间称为预测区间(prediction interval) y0在1-?置信水平下的预测区间为 平均值的区间预测 利用估计的回归方程，对于自变量 x 的一个给定值 x0 ，求出因变量 y 的平均值的估计区间 ，这一估计区间称为置信区间(confidence interval) E(y0) 在1-?置信水平下的置信区间为 影响区间宽度的因素 1. 置信水平 (1 - ?) 区间宽度随置信水平的增大而增大 2. 数据的离散程度s 区间宽度随离散程度的增大而增大 3. 样本容量 区间宽度随样本容量的增大而减小 4. 用于预测的 xp与?x的差异程度 区间宽度随 xp与?x 的差异程度的增大而增大 置信区间、预测区间、回归方程 xp y x ?x 预测上限 置信上限 预测下限 置信下限 案例：一元线性回归模型的应用 表8.3.1 某地1978年~2003年的国内生产总值GDP与货运周转量的数据 用Excel绘制散点图(步骤) 选择“插入”下拉菜单 选择“图表”选项 选择XY散点图 输入数据区域(B2:C27) 输入图表标题“散点图”、数值X轴“国内生产总值GDP”、数值Y轴“货运周转量” 选择新工作表插入还是作为其中的对象插入 相关分析（案例） 用Excel进行回归分析 第1步：选择“工具”下拉菜单 第2步：选择“数据分析”选项 第3步：在分析工具中选择“回归”，然后选择“确定” 第4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(此例取95％) 在“输出选项”中选择