统计学之相关与回归剖析.ppt

139 24 This teleology is based on the number of explanatory variables & nature of relationship between X & Y. y 的平均值的点估计 ?利用估计的回归方程，对于自变量 x 的一个给定值 x0 ，求出因变量 y 的平均值的一个估计值E(y0) ，就是平均值的点估计 在前面的例子中，假如我们要估计贷款余额为100亿元时，所有分行不良贷款的平均值，就是平均值的点估计 。根据估计的回归方程得 y 的个别值的点估计 ?利用估计的回归方程，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值 ，就是个别值的点估计 比如，如果我们只是想知道贷款余额为72.8亿元的那个分行(这里是编号为10的那个分行)的不良贷款是多少，则属于个别值的点估计 。根据估计的回归方程得 区间估计 区间估计 点估计不能给出估计的精度，点估计值与实际值之间是有误差的，因此需要进行区间估计 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 的一个估计区间 区间估计有两种类型 置信区间估计(confidence interval estimate) 预测区间估计(prediction interval estimate) 置信区间估计 利用估计的回归方程，对于自变量 x 的一个给定值 x0 ，求出因变量 y 的平均值的估计区间 ，这一估计区间称为置信区间 E(y0) 在1-?置信水平下的置信区间为 式中：sy为估计标准误差 置信区间估计(例题分析) 【例】求出贷款余额为100亿元时，不良贷款95% 的置信区间 解：根据前面的计算结果，已知n=25， sy=1.9799，t???(25-2)=2.0687 置信区间为 当贷款余额为100亿元时，不良贷款的平均值在2.1141亿元到3.8059亿元之间 预测区间估计 利用估计的回归方程，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，这一区间称为预测区间 y0在1-?置信水平下的预测区间为 注意！ 预测区间估计(例题分析) 【例】求出贷款余额为72.8亿元时，不良贷款 95% 的置信区间 解：根据前面的计算结果，已知n=25， sy=1.9799，t???(25-2)=2.0687 置信区间为 贷款余额为72.8亿元的那个分行，其不良贷款的预测区间在-2.2766亿元到6.1366亿元之间 影响区间宽度的因素 置信水平 (1 - ?) 区间宽度随置信水平的增大而增大 数据的离散程度 (s) 区间宽度随离散程度的增大而增大 3. 样本容量 区间宽度随样本容量的增大而减小 4. 用于预测的 xp与?x的差异程度 区间宽度随 xp与?x 的差异程度的增大而增大 置信区间、预测区间、回归方程 xp y x ?x 预测上限 置信上限 预测下限 置信下限 7.4 多元线性回归 多元回归模型与回归方程 回归方程的拟合优度 显著性检验 多元回归模型与回归方程 多元回归模型 (multiple regression model) 一个因变量与两个及两个以上自变量的回归 描述因变量 y 如何依赖于自变量 x1 ， x2 ，…， xp 和误差项 ? 的方程，称为多元回归模型 涉及 p 个自变量的多元回归模型可表示为 b0 ，b1，b2 ，?，bp是参数 ? 是被称为误差项的随机变量 y 是x1,，x2 ，? ，xp 的线性函数加上误差项? ? 包含在y里面但不能被p个自变量的线性关系所解释的变异性 多元回归模型(基本假定) 误差项ε是一个期望值为0的随机变量，即E(?)=0 对于自变量x1，x2，…，xp的所有值，?的方差?2都相同 误差项ε是一个服从正态分布的随机变量，即ε~N(0,?2)，且相互独立 多元回归方程 (multiple regression equation) 描述因变量 y 的平均值或期望值如何依赖于自变量 x1， x2 ，…，xp的方程 多元线性回归方程的形式为 E( y ) = ?0+ ?1 x1 + ?2 x2 +…+ ?p xp b1，b2，?，bp称为偏回归系数 bi 表示假定其他变量不变，当 xi 每变动一个单位时，y 的平均平均变动值 二元回归方程的直观解释 二元线性回归模型 (观察到的y) 回归面 ?0 ?i x1 y x2