统计学第十章-一元线性回归.ppt

第十一章 一元线性回归 第十一章 一元线性回归 §11.1 变量间的关系的度量 §11.2 一元线性回归 §11.3 利用回归方程进行预测 §11.4 残差分析 学习目标 1.掌握相关系数的含义、计算方法和应用 2.掌握一元线性回归的基本原理和参数的最小二乘估计方法 3、掌握回归方程的显著性检验 4、利用回归方程进行预测 5、了解可化为线性回归的曲线回归 6、用 Excel 进行回归分析 7、能进行残差分析 1、函数关系 1）是一一对应的确定关系 2）设有两个变量 x 和 y ，变量 y 随变量 x 一起变化，并完全依赖于 x ，当变量 x 取某个数值时， y 依确定的关系取相应的值，则称 y 是 x 的函数，记为 y = f (x)，其中 x 称为自变量，y 称为因变量 3）各观测点落在一条线上 1） 变量间关系不能用函数关系精确表达 2）一个变量的取值不能由另一个变量唯一确定 3) 当变量 x 取某个值时，变量 y 的取值可能有几个 4) 各观测点分布在直线周围 相关关系的类型 二、相关关系的描述与测度1、散点图 ? 样本相关系数的计算公式 相关系数取值及其意义） r 的取值范围是 [-1,1] |r|=1，为完全相关 r =1，为完全正相关 r =-1，为完全负正相关 r = 0，不存在线性相关关系相关 -1?r0，为负相关 0r?1，为正相关 |r|越趋于1表示关系越密切；|r|越趋于0表示关系越不密切 相关关系的测度（相关系数取值及其意义） 相关关系的测度（相关系数计算例） 相关关系的测度（相关系数计算例） 相关关系的测度（计算结果） 解：根据样本相关系数的计算公式有 人均国民收入与人均消费金额之间的相关系 数为 0.9987 三、相关系数的显著性检验 1）.检验两个变量之间是否存在线性相关关系 2）、等价于对回归系数 b1的检验 3）、采用 t 检验 4）、检验的步骤为 提出假设：H0：? ? ? ；H1： ? ? 0 相关系数的显著性检验（实例） ? 对前例计算的相关系数进行显著性检(??0.05) 提出假设：H0：? ? ? ；H1： ? ? 0 计算检验的统计量 相关系数检验表的使用 1）若|r|大于表上?=1%相应的值，称变量x与y之间有十分显著的线性关系 2）若|r|小于表上?=5%相应的值，称变量x与y之间没有明显的线性关系 3）根据前例的r＝0.9987?=5%(n-2)=0.553，表明人均消费金额与人均国民收入之间有十分显著的线性相关关系 1、什么是回归分析？ 1）从一组样本数据出发，确定变量之间的数学关系式 2) 对这些关系式的可信程度进行各种统计检验，并从影响某一特定变量的诸多变量中找出哪些变量的影响显著，哪些不显著 3) 利用所求的关系式，根据一个或几个变量取值来预测或控制另一个特定变量的取值，并给出这种预测或控制的精确程度 2、回归分析与相关分析的区别 1）相关分析中，变量 x 变量 y 处于平等的地位；回归分析中，变量 y 称为因变量，处在被解释的地位，x 称为自变量，用于预测因变量的变化 2) 相关分析中所涉及的变量 x 和 y 都是随机变量；回归分析中，因变量 y 是随机变量，自变量 x 可以是随机变量，也可以是非随机的确定变量 3) 相关分析主要是描述两个变量之间线性关系的密切程度；回归分析不仅可以揭示变量 x 对变量 y 的影响大小，还可以由回归方程进行预测和控制 3、回归模型的类型 4、回归模型 1）回答“变量之间是什么样的关系？” 2）方程中运用 1 个数字的因变量(响应变量) dependent variable 被预测的变量 1 个或多个数字的或分类的自变量 (解释变量) 用于预测的变量 independent variable 3) 主要用于预测和估计 5、一元线性回归模型 （one-way linear regression model） 1）当只涉及一个自变量时称为一元回归，若因变量 y 与自变量 x 之间为线性关系时称为一元线性回归 2）对于具有线性关系的两个变量，可以用一条线性方程来表示它们之间的关系 3）描述因变量 y 如何依赖于自变量 x 和误差项? 的方程称为回归模型 ? 对于只涉及一个自变量的简单线性回归模型可表示为 y = b0 + b1 x + e 模型中，y 是 x 的线性函数(部分)加上误差项 线性部分反映了由于 x 的变化而引起的 y 的变化 误差项 ? 是随机变量 反映了除 x 和 y 之间的线性关系之外的随机因素对 y 的影响 是不能由 x 和 y 之间的线性关系所解释的变异