简单线性回归案例.pptVIP

简单线性回归案例;建立我国1978-2019年最终消费支出与国内生产总值之间的回归模型，进行参数以及总体的显著性检验，并对经济模型进行预测。;一、统计分析;二、模型实际操作;三、输出结果说明;标准差（std.error,SE）：主要用于衡量回归系数的统计可靠性。标准误差越大，回归系数估计值越不可靠。根据回归理论，回归系数的真值位于系数估计值一个标准差之间的概率大约为2/3，位于两个标准差之内的概率大约为95%。 T统计量（t-Statistic）：这是在假设检验中用来检验系数是否等于某一特定值的统计量。T统计量检验的是某个系数是否为零（即该变量是否不存在于回归模型中），它等于系数与其标准误差之比。如果t统计量的值大于1，则该系数的真值至少有2/3的可能性不为零，如果t统计量的值大于2，则该系数的真值至少有95%的可能性不为零。;双侧概率（prob)：此列显示了在t分布中取得前一列的t统计量的概率。通过这一信息可以方便地分辨出是拒绝还是接受系数真值为零的假设。在正常情况下，概率低于0.05即可认为对应系数显著不为零。 可决系数（R-squared）： R2衡量的是在样本范围内用回归来预测被解释变量的好坏程度。R2=1说明回归拟合很完美，若R2=0，则回归拟合程度较差，R2是被解释变量能够被解释变量所解释的部分。注意，如果回归没有截距项或常数项， R2可能是负值。;调整的可决系数（