统计分析方法.pptVIP

*複相關係數變數y與預測變數x1,x2,…,xp之間的相關係數稱為複相關係數。預測變數之線性組合a1x1+a2x2+…+apxp與變數y之相關係數。*複相關係數實例大一微積分成績為y，預測變數為聯考數學成績x1與英文成績x2。大一微積分y，與聯考英數平均成績 x=(x1+x2)/2的相關係數。大一微積分y，與聯考英數加權平均成績 x*=ax1+bx2的相關係數。求a,b使得corr(y,ax1+bx2)為最大。*複迴歸模式變數y與預測變數x1,x2之n組隨機資料為yi,x1i,x2i,i=1,…,n則複迴歸模式為 為隨機誤差服從常態 。 為三未知常數，可由隨機資料 yi,x1i,x2i,i=1,…,n估計之。 *迴歸方程式之估計最小平方法即為NormalEquations之解: 令 分別為上列聯立方程組之解，則迴歸方程式為*複迴歸分析變異數分析表 則拒絕*複迴歸實例會計事務所以十位會計師過去資料，利用迴歸直線預測CPA考試分數。資料如下:*相關分析相關分析得 *資料散佈圖(Scorevs.GPA.)*GPA對Score之簡單迴歸*資料散佈圖(Scorevs.Exp.)*Experience對Score之簡單迴歸*GPA及Exp對Score之複迴歸*複迴歸之殘差分析*迴歸係數檢定給定i，檢定 已在模式內時是否還需要加入即檢定 檢定統計量為 ，其中 則拒絕H0。檢定 ，則檢定統計量為*迴歸信賴區間bj的100(1-a)%信賴區間為在x10,x20情形下， 的100(1-a)%信賴區間為 其中*複判別係數判別係數k增加則SSE減少，則R2增加修正判別係數 k增加則SSE減少，但 增加， 則AdjR2不一定增加*複判別係數與變數項目數k*迴歸分析找出預測模式：簡單迴歸(Simpleregression)以一個變項預測另一個有興趣的數量變數。複迴歸(Multipleregression)以多個變項預測某一個有興趣的數量變數。羅吉斯迴歸(Logisticregression)以多個變項預測某一個有興趣的0-1變數。*最小平方迴歸*迴歸直線(regressionline)迴歸直線是用來描述反應變數y與解釋變數x線性關係的直線，在給定x之下通常使用迴歸直線的公式來預測y。平均日加溫度數為20度時，根據下圖的迴歸直線可算出月平均瓦斯消耗量約為490cu.ft。*迴歸直線實例(20,5)*預測誤差迴歸直線的選擇直接影響預測值y的準確性。我們以y觀察值-預測值y稱為誤差，或稱為垂直距離。平均日加溫度數為20度時，若實際月平均瓦斯消耗量為510cu.ft，則 誤差=510-490=20。 *預測誤差圖示預測值觀察值y誤差*最小平方迴歸直線依據誤差平方和最小的原則求得的迴歸直線，稱為最小平方迴歸直線(Leastsquareregressionline)。改變迴歸直線的截距與斜率，選擇使誤差平方和最小的直線。*最小平方迴歸直線方程式若直線方程式為y=a+bx，則在xi之下yi的預測值為 ，則誤差平方和即為 。依據微積分的方法可求得使誤差平方和最小的a,b值分別為 最小平方迴歸直線即為 。*最小平方迴歸直線實例統計資料 則 最小平方迴歸直線即為 。*最小平方迴歸直線-minitab*最小平方迴歸直線-minitab圖*最小平方迴歸的性質最小平方迴歸直線中反應變數y與解釋變數x的角色無可取代。反應變數y