新版统计学-刘照德08第八章--相关与回归分析精选班.ppt

第二节 回归分析 一、一元线性回归的相关概念 相关分析不能判断变量之间相关关系的具体数学形式，也无法通过一个变量的变化来预测另一个变量的变化情况，而回归分析可以解决此问题。 * 。 回归分析主要解决以下几个方面的问题： （1）从一组样本数据出发，确定变量之间的数学关系式。 （2）对这些关系式的可信程度进行各种统计检验，并从影响某一特定变量的诸多变量中找出哪些变量的影响是显著的，哪些是不显著的。 （3）利用所求出的关系式，根据一个或几个变量的取值来估计或预测另一个特定变量的取值，并给出这种估计或预测的可靠程度。 第二节 回归分析 * 。 【例8-4】某食品连锁公司比萨饼的需求量y与其价格x的样本数据如下表所示，试用散点图作相关分析，并建立比萨饼需求量与其价格之间具体的估计数量关系。 需求量y（个） 价格x（元） 89 86 84 82 80 79 76 74 70 69 5 10 15 20 25 30 35 40 45 50 * 。 【问题】是否可以构建一条直线最大可能拟合各个样本数据，进而描述X与Y之间的关系 第二节 回归分析 * 。 第二节 回归分析 通过观察比萨饼需求与其价格样本数据的散点图 ，我们可以大胆猜测两个变量的数量关系如下： （8.3） 我们推断总体中y与x具体的数量关系为： * 。 第二节 回归分析 一、一元线性回归相关概念 通过上面的猜想，y是x的线性函数加上随机误差项u，上式（8.3）称为一元线性总体回归模型。一般解释变量x为确定性变量，式中的? 0和? 1是未知的参数，又叫回归系数。Yi和Xi分别是Y和X的第i个观测值。ui是相应的第i个随机误差项，又称随机扰动项，它是一个特殊的随机变量，反映未列入方程式的其他各种因素对Y的影响。 * 。 根据回归模型中的假定， , 对式（8.3）两边取平均值有： (8.4) 上式（8.4）称为一元线性总体回归方程，也称为直线回归方程。其中 是回归直线在y轴上的截距， 是直线的斜率，它表示当x每变动一个单位时，y的平均变动值。 第二节 回归分析 * 。 第二节 回归分析 一、一元线性回归相关概念 一元线性样本回归方程： 由于回归参数 和 是未知的，它们只能从总体中抽取样本得到的数据去估计 一元线性回归模型对应的样本回归直线可表示为： （8.5） 式中， 、 为 、 的估计 * 。 第二节 回归分析 需要注意的地方： 实际观测到的因变量Yi值，并不完全等于 ，用ei表示二者之差( ), 则有： 上式称为样本回归模型。式中ei称为残差。 * 。 第二节 回归分析 【问题】 理论上，可以有许多不同的方法估计未知参数，那么如何更好地估计参数？ * 。 第二节 回归分析 二、回归模型参数的估计 （一）参数的最小二乘估计 下面用最小二乘法求总体回归系数β0、β1的估计值 。 最小二乘法，也称最小平方法。它是通过使因变量的观测值 与估计值 之间的离差平方和达到最小来估计 和 的方法。即令： * 。 x y (xn , yn) (x1 , y1) ? ? ? ? ? ? ? ? ? (x2 , y2) (xi , yi) ｝ ei = yi-yi ＾ 最小二乘估计(图示) * 。 第二节 回归分析 根据微积分多元函数极值原理，要使上式达到最小，对 的一阶偏导数都等于零，即 解方程组得： 这就得到了y关于x的一元线性回归方程： 。 * 。 第二节 回归分析 例8-4 根据课本中提供