一元线性回_归方_程的建立二.pptVIP

Y= 22.59+0.5301x 上式表示人口增加量每增加（或减少）1千人，该种食品的年需求量平均来说增加（或减少）0.5301十吨即5.301吨。 * 练习：下面的数据是产品广告费与销售额的关系 1、建立回归方程。 2、试预测当广告费增加1万元时，年销售额平均增加多少？ 3、试预测当广告费增加到50万元时，年销售 额是多少？ * * * 某大型电器公司广告费与销售额数据 * 一元回归：自变量-广告费 * * 第五节、估计平均误差 回归方程的一个重要作用在于根据自变量的已知值估计因变量的可能值。这个估计值和真正的实际值可能一致，也可能不一致。 例如，当居民收入增加量每增加1亿元时，社会商品的零售额平均增加0.7778亿元。人口增加量每增加（或减少）1千人，该种食品的年需求量平均来说增加（或减少）0.5301十吨即5.301吨。 回归方程的可靠性问题如何？也就是说，根据回归方程计算的估计值，其代表性如何？ * 为了度量估计公式即回归方程的可靠性，通常计算估计平均误差。估计平均误差度量观察值回绕着回归直线的变化程度或分散程度。通常用Sy代表估计平均误差，其计算公式为： 由样本资料计算 由总体资料计算或在大样本情况下 * 估计标准误差Sy意义 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。 从另一个角度说明了回归直线的拟合程度 估计标准误差是说明回归方程代表性大小的统计分析指标。其值小，表明方程代表性大；反之亦然。 * 计算例子 * 定义公式 计算公式 * 上式的推导证明 * 例：现以前例的资料配合计算 Syx 年份 居民收入X 商品零售额Y X2 y2 xy 1 12 10 144 100 120 2 13 12 169 144 156 3 14 12 196 144 168 4 15 13 225 169 195 5 14 13 196 169 182 6 16 14 256 196 224 7 18 15 324 225 270 8 20 17 400 289 340 合计 122 106 1910 1436 1655 * x y (xn , yn) (x1 , y1) ? ? ? ? ? ? ? ? ? (x2 , y2) (xi , yi) ｝ ei = yi-yi ＾ * 与r的关系 可见，当r越大时， 越小，这时相关密切程度较高，回归直线的代表性就大；反之亦然。 * 消费行为调查分析报告: /Report.asp 2008年家用电脑消费行为调查分析报告 /ShowReportContent1.asp?ID=450 2008年汽车消费幸福指数测评报告: /ShowReportContent4.asp?ID=479 2008年手机消费行为调查分析报告 /ShowReportContent1.asp?ID=447 消费行为调查分析报告 * * 24 This teleology is based on the number of explanatory variables nature of relationship between X Y. * * * * * * * * * * * * * 第7章 回归分析 第一节、回归分析意义 第二节、回归分析的种类 第三节、相关分析与回归分析的关系 第四节、一元线性回归分析 第五节、估计标准误差 * 回归分析的基本思想和方法以及“回归”名称的由来归功于英国统计学家F.Galton 、K.Pearson(皮尔森)等学者的工作。 他们在研究父母身高与其子女身高的关系时发现(样本量1078对夫妇),以每对夫妇的身高为x,子女的身高为y,将结果绘制成散点图,发现趋于一条直线, y=33.73+0.516x 表明父母平均身高每增加一个单位与其子女身高也平均增加0.516个单位. “回归”名称产生的背景 * 结果表明虽然高个子父母生高个子儿子的趋势,但母辈增高1 个单位,儿子身高仅增加半个单位.平均来说一群高个子的父母的儿子低于他们父辈的平均高度.他们儿子身高没有比他们更高,高个子的父母的平均身高一部分被他们的子代拉了回来 ,即子代的平均高度向中心回归了. 低个了父母的儿子虽然为低个子,平均身高高于他们父辈, 低个子的父母的平均身高一部分被他们的子代拉了回来一些 ,子代的身高没有比他们父辈更