第三章-回归预测法.ppt

3回归预测法3.1一元线性回归预测法3.2多元线性回归预测法3.3非线性回归预测法3.4应用回归预测时应注意的问题3.1一元线性回归预测法是指成对的两个变量数据分布大体上呈直线趋势时，运用合适的参数估计方法，求出一元线性回归模型，然后根据自变量与因变量之间的关系，预测因变量的趋势。一、建立模型一元线性回归模型：用最小二乘法进行参数的估计时，要求3.2多元线性回归预测法3.3非线性回归预测法确定相关函数中的未知参数最小二乘法是确定未知参数最常用的方法。不能根据理论或过去积累的经验确定时，根据实际资料作散点图，从其分布形状选择适当的曲线来配合。回总目录回本章目录*回总目录回总目录回本章目录很多社会经济现象之间都存在相关关系，因此，一元线性回归预测有很广泛的应用。进行一元线性回归预测时，必须选用合适的统计方法估计模型参数，并对模型及其参数进行统计检验。回总目录回本章目录其中，是未知参数，为剩余残差项或称随机扰动项。，回总目录回本章目录满足一定的假设条件：是一个随机变量；的均值为零，即在每一个时期中，的方差为常量，即各个相互独立；与自变量无关。二、估计参数回总目录回本章目录用最小二乘法进行参数估计，得到的估计表达式为：回总目录回本章目录三、进行检验标准误差：估计值与因变量值间的平均平方误差。其计算公式为：回总目录回本章目录可决系数：衡量自变量与因变量关系密切程度的指标，表示自变量解释了因变量变动的百分比。其计算公式为：可见，可决系数取值于0与1之间，并取决于回归模型所解释的方差的百分比。回总目录回本章目录相关系数其计算公式为：由公式可见，可决系数是相关系数的平方。相关系数越接近+1或-1，因变量与自变量的拟合程度就越好。回总目录回本章目录相关系数测定变量之间的密切程度，可决系数测定自变量对因变量的解释程度。相关系数有正负，可决系数只有正号。正相关系数意味着因变量与自变量以相同的方向增减。如果直线从左至右上升，则相关系数为正；如果直线从左至右下降，则相关系数为负。相关系数与可决系数的主要区别：回总目录回本章目录回归系数显著性检验检验假设：其中，检验规则：给定显著性水平，若则回归系数显著。检验统计量：~回总目录回本章目录回归模型的显著性检验检验假设：回归方程不显著回归方程显著检验统计量：~检验规则：给定显著性水平，若则回归方程显著。回总目录回本章目录德宾—沃森统计量（D—W）检验之间是否存在自相关关系。其中，D—W的取值域在0~4之间。回总目录回本章目录检验法则：在D—W小于等于2时，D—W检验法则规定：如,认为存在正自相关;如,认为无自相关;在D—W大于2时,D—W检验法则规定:如,认为存在负自相关;如,认为无自相关;如,不能确定是否有自相关。回总目录回本章目录四、进行预测小样本情况下,近似的置信区间的常用公式为：置信区间=回总目录回本章目录?例1已知身高与体重的资料如下表：例题分析5052575660656270体重（公斤）1.551.601.651.671.71.751.801.82身高（米）试计算：（1）拟合适当的回归方程；（2）判断拟合优度情况；（3）对模型进行显著性检验；（α=0.05）（4）当体重为75公斤时，求其身高平均值的95%的置信区间。回总目录回本章目录解答：（1）n=8，经计算得：因此：回总目录回本章目录因此，建立的一