第八章 相关与回归分析PPT.ppt

139 第三节 一元线性回归分析 第八章 相关与回归分析 （二）、一元线性回归分析随机误差项的基本假定 满足以下假定的线性回归模型称为古典（或经典）线性回归模型 假定1：回归模型是正确设定的 假定2：解释变量是非随机的 假定3：随机误差项的均值为零 假定4：随机误差项的方差为一个不变的常数（等方差假定） 假定5：随机误差项的观测值互不相关（非序列相关假定） 假定6：解释变量与随机误差项不相关 假定7：随机误差项服从正态分布 假定8：没有一个解释变量是其他任何解释变量的完全线性组合（无多重共线性假定，只适用于多元线性回归模型） 第三节 一元线性回归分析 第八章 相关与回归分析 线性回归模型由两部分构成，确定性部分和随机性部分， 为确定性部分，称为对于给定值的期望值，可以写为： 上式被称为总体线性回归方程。 第三节 一元线性回归分析 第八章 相关与回归分析 五、一元线性回归模型的估计 为了得到这些估计值而最为广泛使用的方法就是普通最小二乘法 为样本回归方程。 一般用 、 分别表示参数的估计值 第三节 一元线性回归分析 第八章 相关与回归分析 普通最小二乘法（Ordinary Least Square)是通过最小化残差平方和而计算估计值得一种回归技术。其基本思想是：由于描述n组数据的直线有多条，需要按照一定的原则确定一条最优直线来代表两个变量间的关系。所谓最优直线是指该直线距离各散点最近，即对y的拟合值与y的观察值之间总的误差为最小。 达到最小来确定 、 称为回归残差 最小二乘法的意义在于使： 第二节 一元线性回归分析 第八章 相关与回归分析 五一元线性回归模型的估计 根据微积分的极值定理，对 求相应于 、 的偏导数，并令其等于0，即可求得 ： 第二节 一元线性回归分析 第八章 相关与回归分析 三、一元线性回归模型的拟合程度分析 (一)一元线性回归模型的判定系数 第八章 相关与回归分析 剩余离差平方和 回归离差平方和 总离差平方和 第二节 一元线性回归分析 第八章 相关与回归分析 三、一元线性回归模型的拟合程度分析 可以证明，对上式两边分别平方加总后等式仍然成立，即： (一)一元线性回归模型的判定系数 　 可简写为： TSS＝ESS＋RSS 第二节 一元线性回归分析 第八章 相关与回归分析 三、一元线性回归模型的拟合程度分析 (一)一元线性回归模型的判定系数 由回归平方和与剩余平方和的意义我们知道，在总的离差平方和中，回归平方和所占的比重越大，则线性回归效果越好；如果残差平方和所占的比重大，则回归直线与样本观测值拟合的就不理想。这里把回归平方和与总离差平方和之比定义为样本决定系数，记作 第二节 一元线性回归分析 第八章 相关与回归分析 三、一元线性回归模型的拟合程度分析 判定系数测度了回归直线对观测数据的拟合程度,记为 (一)一元线性回归模型的判定系数 第二节 一元线性回归分析 第八章 相关与回归分析 三、一元线性回归模型的拟合程度分析 决定系数是一个回归直线与样本观测值拟合优度判定的指标。 的值总在0和1之间。一个线性回归模型如果充分利用了x的信息，则 越大，拟合优度就越好；反之，如 不大，说明模型中给出的x对y的信息还不够充分，应进行修改，使x对y的信息得到充分利用。 如