第8章 相关和回归分析314.pptVIP

7.2.2一元线性回归模型的估计 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 和 的方法。即 用最小二乘法拟合的直线来代表x与y之间的关系与实际数据的误差比其他任何直线都小 云南财经大学统计信息学院 * fhfh 最小二乘法 ( 和 的计算公式) ? 根据最小二乘法的要求，可得求解 和 的公式如下 云南财经大学统计信息学院 * fhfh 估计方程的求法(例题分析) 【例7-1】估计食品支出的恩格尔函数 回归方程为：y = 9.9872 + 0.1802 x 回归系数 =0.1802 表示，收入每增加1亿元，食品支出平均增加0.1802亿元 云南财经大学统计信息学院 * fhfh 估计标准误差(standard error of estimate) 实际观察值与回归估计值离差平方和的均方根 反映实际观察值在回归直线周围的分散状况 对误差项?的标准差?的估计，是在排除了x对y的线性影响后，y随机波动大小的一个估计量 反映用估计的回归方程预测y时预测误差的大小 计算公式为 注：例题的计算结果为1.8286 云南财经大学统计信息学院 * fhfh 7.2.3一元线性回归模型的检验 离差 因变量 y 的取值是不同的，y 取值的这种波动称为变差。变差来源于两个方面 由于自变量 x 的取值不同造成的 除 x 以外的其他因素(如x对y的非线性影响、测量误差等)的影响 对一个具体的观测值来说，变差的大小可以通过该实际观测值与其均值之差 来表示 云南财经大学统计信息学院 * fhfh 离差的分解(图示) x y y { } } ? 云南财经大学统计信息学院 * fhfh 离差平方和的分解 (三个平方和的关系) SST = SSR + SSE 总平方和 (SST) { 回归平方和 (SSR) 残差平方和 (SSE) { { 云南财经大学统计信息学院 * fhfh 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，也称为可解释的平方和 残差平方和(SSE) 反映除 x 以外的其他因素对 y 取值的影响，也称为不可解释的平方和或剩余平方和 云南财经大学统计信息学院 * fhfh 可决系数r2 回归平方和占总离差平方和的比例 反映回归直线的拟合程度 取值范围在 [ 0 , 1 ] 之间 R2 ?1，说明回归方程拟合的越好；R2?0，说明回归方程拟合的越差 判定系数等于相关系数的平方，即R2＝r2 云南财经大学统计信息学院 * fhfh 可决系数r2 (例题分析)  【例7-2】计算估计食品支出的恩格尔函数回归的可决系数，并解释其意义 可决系数的实际意义是：在食品支出取值的变差中，有88.63%可以由食品支出与家庭收入之间的线性关系来解释，或者说，在食品支出取值的变动中，有88.63%是家庭收入所决定的。可见食品支出与家庭收入之间有较强的线性关系 云南财经大学统计信息学院 * fhfh 7.2.3一元线性回归模型的检验 检验 x 与 y 之间是否具有线性关系，或者说，检验自变量 x 对因变量 y 的影响是否显著 理论基础是回归系数 的抽样分布 在一元线性回归中，等价于线性关系的显著性检验 云南财经大学统计信息学院 * fhfh 回归系数的检验(样本统计量 的分布) 是根据最小二乘法求出的样本统计量，它有自己的分布 的分布具有如下性质 分布形式：正态分布 数学期望： 标准差： 由于? 未知，需用其估计量sy来代替得到 的估计的标准差 云南财经大学统计信息学院 * fhfh 回归系数的检验 (检验步骤) 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 云南财经大学统计信息学院 * fhfh 回归系数的检验 (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=10.07t???=2.160，拒绝H0，表明食品支出与家庭收入之间有线性关系 云南财经大学统计信息学院 * fhfh 7.2.4一元线性回归模型的预测 根据自变量 x 的取值估计或预测因变量 y的取值 估计或预测的类型 点估计 y 的个别值的点估计（或预测） 区间估计 y 的个别值的预测区间估计 云南财经大学统计