第9章相关和回归分析-PPT幻灯片.pptVIP

24 统计学 suyl 样本判定系数（决定系数r 2 ） 判定系数=回归平方和占总离差平方和的比例 在直线相关中，判定系数=相关系数的平方，即 r2＝(r)2 反映回归直线的拟合程度，衡量变量之间的相关程度。 取值范围在 [ 0 , 1 ] 之间。 r2 ?1，说明回归方程拟合效果越好； r2?0，说明回归方程拟合得越差。 统计学 suyl 相关系数的另一个计算公式 相关指数——后 在直线相关的条件下，由于相关系数等于判定系数的平方根，所以，由判定系数的计算公式可得，相关系数也可以由下述公式计算： 即： 统计学 suyl 回归估计标准差 与相关系数的关系 大样本条件下，近似地： 或： 表明：相关系数可以间接说明回归估计的精确度；回归估计标准误差也可以间接说明变量之间相关的密切程度。 统计学 suyl §9.3 线性回归的显著性检验及回归预测 一. 对回归系数 b 的显著性检验 ——t 检验 二. 对回归方程 的显著性检验 ——F 检验 三、回归预测 统计学 suyl 一、回归系数的显著性检验—— t 检验 就是检验 xi 与 y 之间是否具有线性关系，即检验自变量 xi 对因变量 y 的影响是否显著； 检验的理论基础是回归系数b 的估计量(b) 的抽样分布。 采用 t 检验法。 统计学 suyl 回归系数显著性检验的步骤 提出假设 H0: b = 0 (x 与 y 之间没有线性关系) H1: b ? 0 (x 与 y 之间存在线性关系) 计算检验统计量的值或P值 确定显著性水平? 和临界值，并进行决策 ? t? t??? (n-2) ，或 P值? ，拒绝H0； 反之，不能拒绝 H0 统计学 suyl 回归系数的显著性检验(Excel输出的结果） 回归方程参数估计值 回归系数的 t 检验统计值 回归系数检验的P值 统计学 suyl 二、回归方程的显著性检验 ——F检验 1. 提出假设： H0：?=0（线性关系不显著）； H1 ：??0 （线性关系显著） 2. 确定检验统计量： 确定显著性水平? , 找出临界值F ?(1，n-2); 计算统计量的样本观察值或P值； 作出决策：若 F?F ? 或 P值 ?，拒绝H0 统计学 suyl Excel 输出的方差分析表 回归统计 Multiple R 0.976 R Square 0.952 AdjustedRSquar 0.949 标准误差 2.457 观测值 16 方差分析 　 df SS MS F SignificanceF 回归分析 1 1676.4 1676.44 277.761 1.25E-10 残差 14 84.498 6.03556 总计 15 1760.9 　 　 　 统计学 suyl Ｆ检验与 t 检验的一致性 在一元线性回归中，回归方程显著，就等于回归系数显著: F=t2 对回归系数的 t 检验: H0：?=0（ X与Y的线性关系不显著）； H1 ：??0 （ X 与Y的线性关系显著） 对回归方程的F 检验: H0：?=0 （ X 与Y的线性关系不显著）； H1 ：? ? 0（X与Y的线性关系显著） 统计学 suyl Ｆ检验与 t 检验的不一致性 在多元回归中，回归方程显著，不等于每个回归系数都显著. 对回归系数的 t 检验: H0：?i=0（ Xi 与Y的线性关系不显著）； H1 ：?i?0 （ Xi 与Y的线性关系显著） 对回归方程的F 检验: H0：?1=?2=…=?K=0 （ 所有Xi 与Y的线性关系都不显著）； H1 ：?i 不全为0（至少有一个X与Y的线性关系显著） 统计学 suyl 三、回归预测 回归预测是根据自变量 x 的取值来估计或预测因变量 y 的取值； 估计或预测的类型 点估计，给定 x=xo，因变量 Y 对应的点估计为： 区间估计： 统计学 suyl 区间预测 对于自变量 x 的一定值 x0 ，在1-?置信水平下，因变量 y 的取值 y0的预测区间为： 其中，( P.208) 统计学 suyl 回归预测的置信区间 xO y 置信上限 置信下限 置信区间半径⊿ x 统计学 suyl 影响估计区间宽度的因素 1. 置信水平 (1 - a) 区间宽度随置信水平的增大而增大 2. 回归估计标准差 (Se) 区间宽度随离散程度的增大而增大 3. 样本容量 n 区间宽度随样本容量的增大而减小 4. 用于预测的 xo与?x 的差异程度。 区间宽度随xo与?x 的差异程度的增大而增大 统计学