第9、10章 相关与回归分析PPT.ppt

124 Note: 1. As we move farther from the mean, the bands get wider. 2. The prediction interval bands are wider. Why? (extra Syx) B 回归系数的检验 提出假设 H0: b1 = 0 (没有线性关系) H1: b1 ? 0 (有线性关系) 计算检验的统计量 确定显著性水平?，并进行决策 ? t?t???，拒绝H0；? t?t???，不拒绝H0 在一元线性回归中，等价于线性关系的显著性检验 例题分析 ?对例题的回归系数进行显著性检验(?＝0.05) 提出假设 H0：b1 = 0 H1：b1 ? 0 计算检验的统计量 t=7.533515t???=2.201，拒绝H0，表明不良贷款与贷款余额之间有线性关系 步骤四：估计和预测 根据 x 的取值估计或预测 y的取值 估计或预测的类型 点估计 y 的平均值的点估计 y 的个别值的点估计 区间估计 y 的平均值的置信区间估计 y 的个别值的预测区间估计 点估计 例：在前面的例子中，假如我们要估计贷款余额为100亿元时，所有分行不良贷款的平均值，就是平均值的点估计。 如果我们只是想知道贷款余额为72.8亿元的那个分行(这里是编号为10的那个分行)的不良贷款是多少，则属于个别值的点估计。 平均值的点估计和个别值的的点估计是一样的 置信区间估计 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 E(y0) 在1-?置信水平下的置信区间为 式中：se为估计标准误差 例题分析 【例】求出贷款余额为100亿元时，不良贷款95%的置信区间 解：根据前面的计算结果，已知n=25， se=1.9799，t???(25-2)=2.0687 置信区间为 当贷款余额为100亿元时，不良贷款的平均值在2.1141亿元到3.8059亿元之间 预测区间估计 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) y0在1-?置信水平下的预测区间为 注意！ 例题分析 【例】求出贷款余额为72.8亿元时，不良贷款 95% 的预测区间 解：根据前面的计算结果，已知n=25， se=1.9799，t???(25-2)=2.0687 置信区间为 贷款余额为72.8亿元的那个分行，其不良贷款的预测区间在-2.2766亿元到6.1366亿元之间 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 第三部分 多元线性回归 多元回归 多元回归模型 图示 多元回归方程 E( y ) = ?0+ ?1 x1 + ?2 x2 +…+ ?p xp 估计的多元回归的方程 模型参数与偏回归系数 二元回归方程的直观解释 二元线性回归模型 (观察到的y) 回归面 ?0 ?i x1 y x2 (x1,x2) } 步骤一:参数估计：最小二乘法 求解各回归参数的标准方程如下 使因变量的观察值与估计值之间的离差平方和达到最小来求得 。即 例题分析 【例】一家大型商业银行在多个地区设有分行，为弄清楚不良贷款形成的原因，抽取了该银行所属的25家分行2002年的有关业务数据。试建立不良贷款(y)与贷款余额(x1)、累计应收贷款(x2)、贷款项目个数(x3)和固定资产投资额(x4)的线性回归方程，并解释各回归系数的含义 用Excel进行回归 步骤二：回归方程的拟合优度 多重判定系数 估计标准误差 多重判定系数 回归平方和占总平方和的比例 计算公式为 因变量取值的变差中，能被估计的多元回归方程所解释的比例 修正的多重判定系数 用样本容量n和自变量的个数p去修正R2得到 计算公式为 避免增加自变量而高估 R2 意义与 R2类似 数值小于R2 Excel 输出结果的分析 估计标准误差 Se 对误差项?的标准差?的一个估计值 衡量多元回归方的程拟合优度 计算公式为 Excel 输出结果的分析 显著性检验 线性关系检验 回归系数检验 线性关系检验 提出假设 H0：?1??2????p=0