数据、模型与决策 教学课件 ppt 作者 李连友 第7章 数据的相关与回归分析.pptVIP

2.显著性检验 一是对“各回归系数”的显著性检验，通常采用t检验； 通常情况下即使常数项在模型中不显著，也会在模型中保留 二是对“整个回归方程”的显著性检验，常采用F检验。 （1）t检验步骤 第1步：提出假设 H0：β1＝0 H1：β1≠0 第2步：计算检验的统计量 ～t（n-2） 第3步：确定显著性水平a，并根据自由度df＝n－2查t分布表，找到相应的临界值ta/2。 第4步：做出决策。 若|t|＞ta/2，拒绝H0，即两个变量之间存在着显著的线性关系。 若|t|＜ta/2，则不能拒绝H0，表明自变量X对因变量y的影响是不显著的； 或者，使用p值，P?，拒绝H0，表明自变量X对因变量y的影响是显著的。 （2）F检验步骤 第1步：提出假设 H0：β1＝0 （ 两个变量之间的线性关系不显著） H1： （ 两个变量之间的线性关系显著） 第2步：计算检验统计量F 第3步：确定显著性水平 并根据分子自由度df1＝1和分母自由度df2＝（n-2）查F分布表，找出相应的临界值 第3步：做出决策 若F＞ ，表明两个变量之间的线性关系是显著的； 若F＜ ，不能拒绝H0，表明两个变量之间的线性关系不显著。 使用p值，P?，拒绝H0，表明两个变量之间的线性关系是显著的 预测可以分为 个值预测及个值预测的置信区间（预测区间）；均值预测与均值预测的置信区间。 个值预测:对于自变量 x 的一个给定值x0 ，根据回归方程，得到因变量 y 的一个估计值 个值预测的预测区间:对于自变量 x 的一个给定值 x0 ，求出因变量 y 的一个个别值的估计区间 2.均值预测(mean prediction) 及均值预测的置信区间 对于一个给定的x 值 x0,预测Y的平均值; 对于一个给定的x 值 x0 ， y 的均值E(y0)的置信区间: E(y0) 在1-a置信水平下的置信区间为 均值预测和个值预测的点估计值相同,区间预测时均值预测和个值预测预测区间会不相同. 需要预测的值越接近x的均值，预测误差越小 用回归模型进行外推预测可能会有较大的误差。 7.3.1根据理论及相关分析，确定变量之间的具体关系 x为管理费用，Y为营业利润;变量间的关系表现为正线性相关。假设方程满足基本假定。 一元线性回归计算结果,见表。 Excel结果， spss结果 Multiple R 0.7724 R Square 0.5966 Adjusted R Square 0.5462 标准误差 112835 观测值 10 表7-7 模型主要统计量Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .772a .597 .546 112835.040 .957 a. Predictors: (Constant), 管理费用x b. Dependent Variable: 营业利润y 　 df SS MS F Significance F 回归分析 1 1.5065E+11 1.5065E+11 11.83225 0.008826359 残差 8 1.0185E+11 1.2732E+10 　 　 总计 9 2.525E+11 　 　 　 表7-8 模型的方差分析表ANOVAb Model Sum of Squares df Mean Square F Sig. 1 Regression 1.506E11 1 1.506E11 11.832 .009a Residual 1.019E11 8 1.273E10 ? ? Total 2.525E11 9 ? ? ? a. Predictors: (Constant), 管理费用x b. Dependent Variable: 营业利润y Excel结果， spss结果 　 Coefficients 标准误差 t Stat P-value Lower 95% Upper 95% 下限 95.0% 上限 95.0% Intercept 40019.23619 50249.74 0.79641 0.44878 -75856.86 155895.3 -75856.9 155895.34 管理费用x 4.031529486 1.172023 3