简单回归分析和相关分析.pptVIP

簡單迴歸分析與相關分析 圖3 正向線性關係 圖4 負向線性關係 圖5 無關係 表1 廣告支出與銷售額的資料 單位：萬元 圖7 廣告支出與銷售額的散佈圖 圖8 廣告支出與銷售額的關係 圖9 三個廣告支出與銷售額的直線關係 表2 廣告支出與銷售額 圖13 樣本觀察值散佈圖 表3 最小平方法的計算 表4 廣告支出與營業收入的迴歸結果 圖15 汽車銷售額的迴歸估計式 圖16 的抽樣分配 圖17 的抽樣分配 表5 銷售額的預測值與殘差值 圖18 對X的殘差圖 圖19 對 的殘差圖 圖20 對 的標準殘差圖 圖21 對 的殘差圖 圖22 對 的殘差圖 圖23 時間序列相關 圖25 無序列相關 圖26 線性模型的殘差圖 圖27 非線性模型的殘差圖 圖28 殘差值直方圖 圖32 R2=1 圖33 R2=0.8 圖34 R2=0 表7 判定係數的計算 判定係數的計算 R2=0.9334 表8 簡單迴歸變異數分析表 評判迴歸模型-統計上的檢定 (1) 虛無與對立假設 H0：迴歸方程式不具解釋能力(? = 0) H1：迴歸方程式具解釋能力(? ? 0) 表9 廣告支出與銷售額的變異數分析 評判迴歸模型 對β的檢定: H0： ?= 0 vs. H1： ? ? 0 Conclusion: reject H0 β的信賴區間 : 圖35 迴歸線的斜率 圖38 預測時模型改變的危險 圖40 rXY在各種可能值時的散佈圖 圖40 rXY在各種可能值時的散佈圖(續) 圖40 rXY在各種可能值時的散佈圖(續) 圖41 rXY的抽樣分配?XY =0 圖42 rXY的抽樣分配?XY ? 0 相關分析-ρXY的統計推論 假設：H0： ?XY = 0 H1： ?XY ? 0 表14 電子類股票報酬率的迴歸結果 表15 ?的95%信賴區間 表16 迴歸式的判定係數與ANOVA表及 F 值 圖47 股票的報酬率 表17 平均每人可支配所得與教育娛樂支出 表18 可支配所得與教育娛樂支出的迴歸結果 圖48 可支配所得與教育娛樂支出的迴歸結果 表19 判定係數與ANOVA表 迴歸分析之分類 1/2 迴歸分析依不同的重點分類，分為以下幾類： 依自變數個數區分 單變數迴歸（簡單迴歸）：討論單一自變數對依變數的影響。例如： 複迴歸：討論二個以上的自變數對依變數的影響。 例如： 依線性性質區分 線性迴歸：自變數與依變數間具直線特性。 例如： 迴歸分析之分類 2/2 非線性迴歸：自變數與依變數間具非線性特性， 例如： 依方程式個數區分 單一迴歸式：討論一個依變數受自變數的影響， 例如： 聯立迴歸式：討論二個以上依變數受自變數的影響，例如： 迴歸基本原理 1/4 單變數迴歸模型 下圖為「銀行客戶.sav」中，客戶的「所得」與「存款」所繪出的散佈圖。 迴歸基本原理 2/4 我們可以假設 存款＝β0＋ β1 所得 或 假設每一個 彼此間獨立，不會相互影響，也就是沒有自我相關(autocorrelation)，且所有的變異數 都相等，也是 ，稱之為同質性(homoscedasticity)。 迴歸基本原理 3/4 　須滿足以下的基本假設： ?i與 ?j 間互為獨立(independent), corr(?i,?j)＝0 （如果corr(?i, ?j)＞0，則有自我相關） 來自一個平均值為0，變異數為　 的常態分配。 假設bo、b1為?o、?1之估計值，則樣本之線性迴歸方程式可寫成 為依變數 y 之樣本估計值(fitted value)。 迴歸基本原理 4/4 稱為殘差(residual)（見下圖） 。 殘差ei 必須滿足以下的假設： ei與ej間互為獨立，corr(ei, ej)＝0。 　來自一個平均值為0，變異數為　的常態分配。 迴歸模型之檢驗 1/2 模型選擇 配適度檢測 R2值：代表變數y的變異性中由變數x所解釋的百分比。adj- (adjusted R2)。與R2不同的是，如果新加的自變數x並沒有提高原迴歸模型的解釋能力，adj-R2值會下降。 ANOVA的F值檢定：用來檢定是否全部的自變數顯著影響依變數。 迴歸模型