第四章 回归分析.docxVIP

第四章 回归分析

（一）教学目的

通过本章的学习，要求对回归分析有一个全面的认识，理解简单回归分析和多元回归分析的原理及其步骤，并具有用回归分析解决实际的问题的能力。

（二）基本要求

要求了解回归分析的应用范围，理解简单回归分析法，多元线性回归分析，逐步回归分析，多对多线性回归分析，岭回归分析，趋势面分析的基本思想和原理，掌握回归分析的一般步骤。

（三）教学要点

1、简单回归分析的估计，检验，预测；

2、多元线性回归分析的参数估计，检验，多重共线性；

3、逐步回归的基本原理，引入和剔除变量的依据及检验，回归系数的求解；

4、多对多线性回归分析的模型，以及其参数估计和假设检验；

5、岭回归的基本思想，回归系数的确定；

6、趋势面的原理，参数估计和适度性检验。

（四）教学时数6课时

（五）教学内容本章共6节：1、简单回归分析法

2、多元线性回归分析

3、逐步回归分析

4、多对多线性回归分析

5、岭回归分析

6、趋势面分析

回归分析是研究一个变量或多个变量（即因变量）对于另外一个或多个其他变量（即解释变量）的依存关系，并用数学模型加以模拟，目的在于根据模型对因变量进行因素分析、

趋势预测及误差分析等。一般地，把在研究回归模型时所采用的估计、计算方法，检验、分析理论统称为回归分析。回归分析方法又称因素分析方法、经济计量模型方法。属于多元统计分析方法之一。

按照回归分析研究的变量多少以及设定的模型的不同，回归分析方法的内容体系大体包括：

一元线性回归分析一元回归分析 一元非线性回归分析

回归分析 多元线性回归分析多元逐步回归分析

多元回归分析 多元岭回归分析

多对多回归分析

多元非线性回归分析图4.1回归分析方法体系略图

回归分析的一般步骤是：

根据研究问题的性质、要求，建立回归模型；

根据样本观测值对回归模型参数进行估计，求得回归方程；

对回归方程、参数估计值进行显著性检验，并从影响因变量的自变量中判断哪些显著，哪些不显著；

利用回归方程进行因素分析、趋势预测及误差分析。

第一节 简单回归分析法

一、模型和参数估计

（一）模型１、总体回归模型

我们要研究对象是某个总体中两个变量之间的依存关系，设因变量为Y，主要影响因素为自变量X，假定它们之间呈线性关系。则建立的模型为，

Y????X??

这里和?是固定的但未知的参数，它们反映了变量X与Y之间的线性关系；是常

数项，?是总体回归系数，自变量X是对因变量Y产生影响的确定型变量，称为随机项，

表示除了自变量X以外被忽略的或无法考虑的其他随机的影响因素。因变量Y既有确定型变量的影响又有随机因素的影响，所以是随机变量。

对于总体中的N个单位而言，假定我们可以得到每个单位的因变量值和自变量值，则

上式写成：

1．Y1????X1??1

2．Y2????X2??2

3．Y3????X3??3

N．YN

????XN??N

概括起来，则模型为：

Yi????Xi??i

于是在总体模型中，假定随机项满足

E??i??0

Cov??

i，?

????2 i?j

?j?0 i?j

?

j

即随机项的均值为零，方差为常数，并且各个随机项之间彼此不相关。

如，对于一个总体人数为50人的一个班级，研究其统计成绩与数学成绩的因果关系，建立总体模型为：Y????X??，这里的随机项表示除了数学因素以外的其他因素，如其他课程、人的天赋、考试时的临场发挥等。

在模型假设的基础上，对总体模型进行平均，则可以去掉随机项得

Y????X

上式我们称为总体回归方程。总体方程是一条直线，是对总体模型的近似的模拟。２.样本回归模型

在现实生活中，事实上，我们是很难直接得到总体模型的。而是采用抽样的方法，从总

体中抽取容量为n的一个样本。根据样本的资料来推断总体的。具体这里，就是要根据样本资料建立样本模型，用样本模型来推断总体模型。设某一容量为n的具体样本资料如下：

y

x

1

y1

x1

对于某个具体的样本资料：2

y2

x2

?

?

?

n

yn

xn

根据有限的样本资料是无法得到准确的参数和?的，只能得到参数和?的估计值，分别设为a和b。这时，变量Y与X之间的线性关系模型表示为（为区别总体模型，这里

用小写字母表示）：

y?a?bx?e

上式我们称为样本回归模型，其中a和b不同于固定的参数和?，而是随着样本的不同可以有不同取值的估计值。

把y??a?bx称为样本回归方程，e称为残差项，或回归余项。残差项表示用y??a?bx

估计