线性回归分析的基本步骤.docVIP

线性回归分析的基本步骤 线性回归分析的基本步骤 PAGE / NUMPAGES 线性回归分析的基本步骤 v1.0 可编辑可修改 步骤一、建立模型 知识点： 1、总体回归模型、总体回归方程、样本回归模型、样本回归方程①总体回归模型： 研究总体之中自变量和因变量之间某种非确定依赖关系的计量模型。 Y X U 特点：由于随机误差项 U的存在，使得 Y 和 X 不在一条直线 / 平面上。 例 1：某镇共有 60 个家庭，经普查， 60 个家庭的每周收入（ X）与每周消费（ Y）数据如下： 每周收入（ X） 每周消费支出（ Y） 80 55 60 65 70 75 100 65 70 74 80 85 88 120 79 84 90 94 98 140 80 93 95 103 108 113 115 160 102 107 110 116 118 125 180 110 115 120 130 135 140 200 120 136 140 144 145 220 135 137 140 152 157 160 162 240 137 145 155 165 175 189 260 150 152 175 178 180 185 191 作出其散点图如下： 1 v1.0 可编辑可修改 200 180 160 140 120 100 80 60 40 40 80 120 160 200 240 280 X ②总体回归方程（线） ：由于假定 EU 0 ，因此因变量的均值与自变量 总处于一条直线上， 这条直线 E Y | X X 就称为总体回归线 （方程）。 总体回归方程的求法：以例 1 的数据为例 1）对第一个 X ，求出 E( Y| X ) 。 i i 每周收入（ X） 每周消费支出（ Y） E( Y| Xi ) 80 55 60 65 70 75 65 100 65 70 74 80 85 88 77 120 79 84 90 94 98 89 140 80 93 95 103 108 113 115 101 160 102 107 110 116 118 125 113 180 110 115 120 130 135 140 125 200 120 136 140 144 145 137 220 135 137 140 152 157 160 162 149 240 137 145 155 165 175 189 161 260 150 152 175 178 180 185 191 173 由于 E Yi | X i 0 1 X i ，因此任意带入两个 Xi 和其对应的 E( Y| Xi ) 值， 即可求出 0和 1 ，并进而得到总体回归方程。 如 将 X 2 100,E Y2 | X 2 77和X7 200,E Y7 | X7 137代入 2 v1.0 可编辑可修改 77 E Yi | X i01X i 可得： 137  100 200  1 0 1 1  17 0.6 以上求出 0 1 反映了 E( Y| X ) 和 X 之间的真实关系，即所求的总体回归 和 i i 方程为： E Y | X i 17 0.6X ，其图形为： i i Y vs. X 200 180 160 140 Y 120 100 80 60 40 40 80 120 160 200 240 280 X ③样本回归模型： 总体通常难以得到，因此只能通过抽样得到样本数据。 如在例 1 中，通过抽样考察，我们得到了 20 个家庭的样本数据： 每周收入（ X） 每周消费支出（ Y） 80 55 100 65 70 120 79 84 140 80 93 160 102 107 110 180 110 200 120 136 220 135 137 240 137 145 260 150 152 175 3 v1.0 可编辑可修改 那么描述样本数据中因变量 Y 和自变量 X 之间非确定依赖关系的模型 X ? e 就称为样本回归模型。 ④样本回归方程（线） ：通过样本数据估计出 ? ，得到样本观测值的拟合 ? ? 值与解释变量之间的关系方程 Y X 称为样本回归方程。如下图所示： Y vs. X 180 160 140 120 Y 100 80 60 40 40 80 120 160 200 240 280 X ⑤四者之间的关系： ⅰ：总体回归模型建立在总体数据之上，它描述的是因变量 Y 和自变量 X 之间的真实的非确定型依赖关系；样本回归模型建立在抽样数据基础之 上，它描述的是因变量 Y 和自变量 X 之间的近似于真实的非确定型依赖关 系。这种近似表现在两个方面：一是结构参数 ? 是其真实值 的一种近 似估计