第3节：双变量回归模型：估计问题.pptVIP

保险精算学基础 第一章 利息基本计算 经济学院统计系 陈文静 * 保险精算学基础 第一章 利息基本计算 经济学院统计系 陈文静 * 保险精算学基础 第一章 利息基本计算 经济学院统计系 陈文静 * 保险精算学基础 第一章 利息基本计算 经济学院统计系 陈文静 * 保险精算学基础 第一章 利息基本计算 经济学院统计系 陈文静 * 保险精算学基础 第一章 利息基本计算 经济学院统计系 陈文静 * 保险精算学基础 第一章 利息基本计算 经济学院统计系 陈文静 * 保险精算学基础 第一章 利息基本计算 经济学院统计系 陈文静 * 保险精算学基础 第一章 利息基本计算 经济学院统计系 陈文静 * 保险精算学基础 第一章 利息基本计算 经济学院统计系 陈文静 * 保险精算学基础 第一章 利息基本计算 经济学院统计系 陈文静 * 保险精算学基础 第一章 利息基本计算 经济学院统计系 陈文静 * 保险精算学基础 第一章 利息基本计算 经济学院统计系 陈文静 * 保险精算学基础 第一章 利息基本计算 经济学院统计系 陈文静 * 139 我们以下导出拟合优度的公式： 定义： 上式所度量的是所有观测值（样本点）与其均值 （或总体均值，因为 ）的总变异（ ）， 故称为总变异或总平方和，记为TSS。 解释平方和ESS定义为： 由于在ESS中， 表示回归直线上的点与 样本均值（等于总体均值）的总离差，因此它 度量了回归直线与总体均值的“逼近”程度，故 称为解释平方和，或由回归解释的平方和， 即在TSS（总变异）中，由回归所解释的变异。 而残差平方和RSS定义为残差（或剩余）或未被解释 的部分围绕回归线的Y值的变异： TSS＝ESS＋RSS 这些分解的意义见下图。这表明Y的观测值围绕其均 值的总变异可以分解成两个部分：一部分来自回归直线，用自变量x可以解释的部分；另一部分来自随机的非系统因素导致的变异，因为并不是所有的实际观测值都落在所拟合的直线上。 这样TSS就分解为 暨南大学经济学院统计系 陈文静 * 暨南大学经济学院统计系 陈文静 * 离差平方和的分解 (三个平方和的关系) TSS = ESS + RSS 总平方和 (TSS) { 回归平方和 (ESS) 残差平方和 (RSS) { { 暨南大学经济学院统计系 陈文静 * 离差平方和的分解 (三个平方和的意义) 总平方和(SST) 反映因变量的 n 个观察值与其均值的总离差 回归平方和(SSR) 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，由回归直线来解释的y 变差部分。 残差平方和(SSE) 反映除 x 以外的其他因素对 y 取值的影响，是不能由回归直线来解释的y 变差部分，也称为残差平方和或误差平方和 总平方和(SST)=回归平方和(SSR)+残差平方和(SSE) 暨南大学经济学院统计系 陈文静 * 总离差分解图 拟合优度的定义即是在总变异中，由回归所产生的变异占的比重。 显然，有 ，经简单推导, 可表示为 暨南大学经济学院统计系 陈文静 * 判定系数R2  (coefficient of determination) 判定系数：回归平方和占总离差平方和的比例 判定系数反映回归直线的拟合程度 取值范围在 [ 0 , 1 ] 之间 R2 ?1，表明回归平方和占总平方和的比例越大，回归直线与各观测点越接近，用x的变化解释y值变差的部分就越多，这说明回归方程拟合的越好；R2?0，说明回归方程拟合的越差 暨南大学经济学院统计系 陈文静 * 暨南大学经济学院统计系 陈文静 * 相关系数(correlation coefficient) 相关系数：根据样本数据计算的度量两个变 量之间线性关系程度的统计量。 若相关系数是根据总体全部数据计算的，称为总体相关系数，记为? 若是根据样本数据计算的，则称为样本相关系数，记为 r 暨南大学经济学院统计系 陈文静 * 相关系数 (计算公式) 相关系数的性质 1. r 的取值范围是 [-1,1]，即-1 ? r?1。 -1?r0：为负线性相关关系 0r?1：为正线性相关关系 |r|=1，为完全相关 r =1，为完全正线性相关； r =-1，为完全负线性相