商务统计分析 第2版 第9章 一元线性回归.ppt

***************************************************************误差的独立性——D-W检验*Durbin–WatsonTest，通过统计检验方法验证残差独立性是否满足。检测误差项之间是否存在一阶自相关，即误差项和是否存在某种关系，其中i表示时间间隔。决策准则：异常值和有影响的观测*异常值检测——识别*异常值可通过数据集的散点图进行识别。如图，除了一个点外，散点图的其他数据点大致呈负线性关系，因此可以认为该观测值为一个异常值，检测人员需要核查该异常值是什么原因导致的。除了散点图，标准化残差也可用于识别异常值。异常值有影响的观测值*有影响的观测值是指对模型回归结果有重大影响的观测值。一个有影响的观测值可能是一个异常值（和其他值的y值有很大偏离），或者和其他值的x值有很大偏离。当出现有影响的观测值时，因为其对回归方程有重大影响，因此必须仔细检查。有影响的观测值——散点图*有影响的观测值可通过散点图进行识别。左图展示了在一元线性回归模型中存在有一个影响观测值的回归直线，很显然，该回归直线的斜率为正。此时，如果我们将有影响的观测值删除，回归直线变为右图所示，直线斜率变为负值。有影响的观测值——杠杆率*有影响的观测点还可通过计算杠杆率来识别。自变量具有极端值的观测值称为高杠杆率点。第i个观测点的杠杆率的计算公式：一个高杠杆率的点并非是一个有影响的观测值，有影响的观测值是大的残差和高杠杆率的共同作用产生的。有影响的观测值——库克距离测度*既考虑到观测点残差的大小，又考虑了杠杆率的影响。第i个观测点的库克距离测度：如果一个观测点的残差和杠杆率都比较大，那么其库克测度距离也比较大，那么这个观测点就是一个有影响的点。案例分析——星级饭店盈利预测*案例背景*随着全面建成小康社会的逐步推进，旅游已经成为人民日常生活的重要部分，全国的旅游行业发展也日益高涨。2018年，文旅行业开启融合发展，促进了国内旅游市场的持续增长。统计数据显示，2018年国内旅游人数达到55.39亿人次，旅游业对GDP综合贡献为9.94万亿元，占GDP总量的11.04%。数据及其说明*地区编号数量（家）营业收入（亿元）1776.482484.863472.794251.805573.646582.4477313.578395.3997910.581012515.2511818.6512605.8013504.4014414.5915617.6716614.1117342.1418515.0919575.6320230.902115722.24229313.1123543.1524412.7825878.5426502.872790.5528796.8329261.4430422.75本案例关注的是2018年第四季度的全国星级饭店的统计数据，选取了其中30个旅游城市的经营情况。基于对星级饭店营业情况的预测目的，通过回归分析研究星级饭店数量和盈利收入的关系。案例分析——相关关系*星级饭店的营业收入岁饭店数量的增加而增加，两者具有线性相关关系。案例分析——相关关系*案例分析——回归分析*案例分析——回归分析*案例分析——估计预测*案例分析——残差分析*误差项服从正态分布的假设基本成立。案例分析——结论*本案例针对各地区星级饭店盈利情况进行了分析，并以此为例具体说明了一元线性回归分析的方法和应用。从上述分析结果可知，地区星级饭店的数量与营业收入有正向的相关关系，通过星级饭店的数量可以有效对地区星级饭店的营业收入进行预测。根据这个结论，调查者可以对旅游行业发展情况进行分析研究。例如，如果知道两个地区的星级饭店数量相近，可以推断两个地区旅游收入差异不大。假若某地区希望大力发展旅游业，可以从增加星级饭店数量入手。********估计方程的求法——实例*（续前例）回归系数的显著性检验——要点*9.3.1点估计9.3.2平均值的置信区间9.3.3个别值的预测区间*9.3利用回归模型进行预测利用回归方程进行估计和预测回归模型主要的作用之一是用来对因变量进行预测。使用最小二乘法通过样