第六章回归分析.pptxVIP

第六章回归分析会计学第1页/共23页重点与难点 回归分析的基本概念和主要内容 一元线性回归方程的求法 回归方程的方差分析和显著性检验一元非线性回归方法第2页/共23页第一节　回归分析的基本概念一、函数与相关函数关系：可以用明确的函数关系式精确地表示 出来相关关系：这些变量之间既存在着密切的关系， 又不能由一个（或几个）自变量的数 值精确地求出另一个因变量的数值， 而是要通过试验和调查研究，才能确 定它们之间的关系。 第3页/共23页第一节　回归分析的基本概念二、回归分析思路1、由数据确定变量之间的数学表达式－回归方程或经 验公式；2、 对回归方程的可信度进行统计检验；3、 因素分析。第二节　一元线性回归第4页/共23页一元线性回归：确定两个变量之间的线性关系，即 直线拟合问题。一、回归方程的确定例：确定某段导线的电阻与温度之间的关系：19.125.030.136.040.046.550.076.3077.8079.7580.8082.3583.9085.10散点图：848280787650202530354045第二节　一元线性回归第5页/共23页从散点图可以看出：电阻与温度大致成线性关系。设测量数据有如下结构形式：式中， 分别表示其它随机因素对电阻值 影响的总和。思路：要求电阻y与x的关系，即根据测量数据要求出 的估计值。根据测量数据，可以得到7个测量方程，结合前面所学，未知数有两个，而方程个数大于未知数的个数，适合于用最小二乘法求解。和第二节　一元线性回归第6页/共23页设得到的回归方程残差方程为根据最小二乘原理可求得回归系数b0和b。对照第五章最小二乘法的矩阵形式，令第二节　一元线性回归第7页/共23页则误差方程的矩阵形式为对照 ，设测得值 的精度相等，则有将测得值分别代入上式，可计算得第二节　一元线性回归第8页/共23页其中第二节　一元线性回归第9页/共23页二、回归方程的方差分析及显著性检验问题：这条回归直线是否符合y 与x之间的客　观规律？回归直线的预报精度如何？方差分析法　对N个观测值与其算术平均值之差的平方　和进行分解；　从量值上区别对Ｎ个观测值的影响因素；　用F检验法对所求回归方程进行显著性检　验。第10页/共23页第二节　一元线性回归（一）回归方程的方差分析1、引起变差的原因： A、自变量x取值的不同； B、其它因素（包括试验误差）的影响。2、方差分析总的离差平方和（即N个观测值之间的变差）可以证明：第二节　一元线性回归第11页/共23页S=U+Q其中U—回归平方和，反映总变差中由于x和y的线性关 系而引起 y变化的部分。Q—残余平方和，反映所有观测点到回归直线的残 余误差，即其它因素对y变差的影响。第12页/共23页第二节　一元线性回归（二）回归方程显著性检验— F检验法基本思路：方程是否显著取决于U和Q的大小，U越大，Q越小，说明y与x的线性关系愈密切。计算统计量F对一元线性回归，应为查F分布表，根据给定的显著性水平 和已知的自由度1和N-2进行检验：第13页/共23页第二节　一元线性回归若 回归在0.01的水平上高度显著。回归在0.05的水平上显著。回归在0.1的水平上显著。回归不显著。第14页/共23页第二节　一元线性回归（三）残余方差与残余标准差残余方差：排除了x 对y的线性影响后，衡量y 随机波动的特征量。残余标准差：含义： 越小，回归直线的精度越高。第15页/共23页第二节　一元线性回归（四）方差分析表来源平方和自由度方差 F显著性回归残余 1 N-2 －总计 N-1 － － －三、重复试验情况1、重复试验的意义“回归方程显著”：只表明因素x的一次项对y的影响显著；难以确定影响y的是否还有其它不可忽略的因素？x和y是否线性? 不表明该方程拟合得很好。第16页/共23页第二节　一元线性回归 为检验一个回归方程拟合的好坏，可通过重复试验，获得误差平方和 和失拟平方和 ，然后用 对 进行F检验。2、重复试验回归直线的求法1）设N个试验点，每个试验点重复m次试验，则将 这m次试验取平均值，然后再按照前面的方法进 行拟合，见表6－5和表6－6。2）方差分析第17页/共23页第二节　一元线性回归来源 平方和 自由度 方差 F 显著性回归失拟误差总计 － － －3）方差检验:判断一元回归方程拟合效果:判断失拟平方和对试验误差的影响:综合判断一元回归方程拟合效果第18页/共23页第二节　一元线性回归四、回归直线的简便求法1）分组法－平均值法 将自变量按由小到大次序排列，分成个数相等或近于相 等的两个组（分组数等于未知数个数），则可建立相应的两 组观测方程：将两组观测方程分别相加，得b和b02）图