多元统计分析回归分析.pptVIP

2多元线性回归模型的基本假定第28页，共53页，星期日，2025年，2月5日如果分别为的拟和值，则回归方程为b0为常数，b1,b2,…bk称为偏回归系数。偏回归系数的意义是，当其他自变量都固定时，自变量每变化一个单位而使因变量平均改变的数值。（2.12）3回归方程的估计:第29页，共53页，星期日，2025年，2月5日偏回归系数的推导过程:根据最小二乘法原理，的估计值应该使由求极值的必要条件得方程组（3.2.14）式经展开整理后得（.2.13）（.2.14）第30页，共53页，星期日，2025年，2月5日方程组（2.15）式称为正规方程组。引入矩阵（.2.15)第31页，共53页，星期日，2025年，2月5日第32页，共53页，星期日，2025年，2月5日第33页，共53页，星期日，2025年，2月5日则正规方程组（2.15）式可以进一步写成矩阵形式第34页，共53页，星期日，2025年，2月5日求解得引入记号（2.16）第35页，共53页，星期日，2025年，2月5日正规方程组也可以写成第36页，共53页，星期日，2025年，2月5日回归模型的显著性检验①回归平方和U与剩余平方和Q：②回归平方和③剩余平方和为④F统计量为计算出来F之后，可以查F分布表对模型进行显著性检验。第37页，共53页，星期日，2025年，2月5日第38页，共53页，星期日，2025年，2月5日第1页，共53页，星期日，2025年，2月5日引例：消费支出与可支配收入的观测值一、一元线性回归模型第2页，共53页，星期日，2025年，2月5日一、一元线性回归模型定义：假设有两个变量x和y，x为自变量，y为因变量。则一元线性回归模型的基本结构形式为式中：a和b为待定参数；为各组观测数据的下标；为随机变量。（2.1）第3页，共53页，星期日，2025年，2月5日记和分别为参数a与b的拟合值，则一元线性回归模型为（2.2）式代表x与y之间相关关系的拟合直线，称为回归直线；是y的估计值，亦称回归值。（2.2）第4页，共53页，星期日，2025年，2月5日一般情况下的总体回归模型假定条件下的总体回归模型第5页，共53页，星期日，2025年，2月5日真实的总体回归直线与估计的样本回归直线第6页，共53页，星期日，2025年，2月5日样本回归直线是对总体回归直线的近似反映。回归分析的主要任务就是要采用适当的方法，充分利用样本所提供的信息，使得样本回归函数尽可能地接近于真实的总体回归函数。所估计的样本回归直线都不可能与真实的总体回归直线完全一致。第7页，共53页，星期日，2025年，2月5日观测值的散点图及其拟合直线第8页，共53页，星期日，2025年，2月5日①参数a与b的最小二乘拟合原则要求yi与的误差ei的平方和达到最小，即②根据取极值的必要条件，有（2.4）（一）参数a、b的最小二乘估计（2.3）第9页，共53页，星期日，2025年，2月5日（2.5）③解上述正规方程组（2.4）式，得到参数a与b的拟合值第10页，共53页，星期日，2025年，2月5日一元线性回归模型检验的种类（二）一元线性回归模型的显著性检验实际意义检验参数估计值的符号和取值范围消费支出与可支配收入：如果估计出来的b小于0或大于1，收入支出统计检验检验样本回归方程的可靠性拟合程度检验；相关系数检验；参数显著性检验(t检验)；回归方程显著性检验（F检验）计量检验假定条件是否满足序列相关检验异方差性检验第11页，共53页，星期日，2025年，2月5日1拟合优度检验所谓拟合程度，是指样本观测值聚集在样本回归直线周围的紧密程度。判断回归模型拟合程度优劣最常用的数量指标是判定系数（CoefficientofDetermination）第12页，共53页，星期日，2025年，2月5日总的离差平方和：在回归分析中，表示y的n次观测值之间的差异，记为可以证明（2.9）（2.8）第13页，共53页，星期日，2025年，2月5日Q