一元回归

一元回归系数表示自变量x每增加一个单位，因变量y会变化β个单位。

如果回归系数越大，那么y受到x的影响就越大。

例如，如果回归系数为0.5,那么当x增加1个单位时，y就会增加0.5个单位。

反之，如果回归系数为-0.2,那么当x增加1个单位时，y就会减少0.2个单位。

一元回归系数的意义在于它能够帮助我们了解自变量和因变量之间的关系强度和方向。

通过计算回归系数，我们可以确定哪些因素对因变量有显著影响，以及这些因素的影响程度如何。

此外，一元回归系数还可以用于预测未来的结果。

如果我们知道了自变量的值，并且已经计算出了回归系数，那么我们可以使用这个系数来预测因变量的值。

这种方法被称为“回归分析”。

北京市城市居民家庭生活抽样调查表1 14 12 10 8 6 4 2 0 1976 1978 1980 1982 1984 1986 1988
Y: 人 均 收 入
x:年份
北京市城市居民家庭生活抽样调查图表 2 10 8 6 4 2 0 0 2 4 6 8
Y:人均食品支出
10 12 14 16 18
Fα (1,n-2),得否定域为F >Fα (1,n-2);
4.代入样本信息,F落入否定域则否定原假设, 线性关系显著;落入接受域则接受原假设, 线性关系不显著.
相关系数检验法: 相关系数检验法:
1.提出原假设:H0:b=0; lxy 2.选择统计量 R = lxxl yy 3.对给定的显著性水平α,查临界值rα (n-2), 得否定域为R >rα (n-2); 4.代入样本信息,R落入否定域则否定原假设,线性关 系显著;落入接受域则接受原假设,线性关系不显著.
第二节
一元线性回归方程
一 回归直线方程
两个变量之间的线性关系，其回归模型为： 两个变量之间的线性关系，其回归模型为：
yi = a + bxi + εi
ε 称为 y称为因变量，x称为自变量，
随机扰动，a,b称为待估计的回归参 数，下标i表示第i个观测值。
对于回归模型，我们假设：
εi ~ N( 0,σ ),i = 1,2,⋯,n E( εiε j ) = 0,i ≠ j
pt
qt
概率 0.25 0.50 0.25 0.25 0.50 0.25 … 0.25 0.50 0.25
qt = 11 − 4 pt+ εt
其中
这时， 这时，方程的形式为
εt
为随机变量. 为随机变量

由此可推测：当火灾发生地离最近的消 防 站 为 10km 时 ， 火 灾 损 失 大 致 在
ˆ y 10.279 49.19 59.369（千元） 当火 ；
灾发生地离最近的消防站为 2km 时，火灾损 失大致在 20.117（千元）
三、0，1的性质


1, 线性
1
(x x ) y
为 y 关于 x 的一元线性经验回归方程 （简称为回归直
ˆ 线方程） 0 为截距， 1 为经验回归直线的斜率。 ， ˆ
引进矩阵的形式：
y1 1 x1 1 0 y2 1 x2 2 设 y ， X ， ， 1 y 1 x n n n
变量之间具有密切关联 而又不能由一个或某一些变 量唯一确定另外一个变量的 关系称为变量之间的相关关 系.
y
y f ( x)
y
Y f (X )
0
(a) 函数关系
x
0
(b) 统计关系
x
种类
正相关 负相关
一元相关 多元相关
线性相关 曲线相关
y
y
y
y
正相关
x
负相关
x
曲线相关
x
不相关
x
例 2 城镇居民的收入与消费支出之间有很大的关 联，居民的收入提高了，消费也随之潇洒，但居民的 收入不能完全确定消费，人们的消费支出受到不同年 龄段的消费习惯的影响，也受到不同消费理念的影响。 因此居民的收入 x 与消费支出 y 就呈现出某种不确定 性。 我们将上海市城镇居民可支配收入与支出的数据 （1985 年~2002 年）用散点图表示，可以发现居民的 收入 x 与消费支出 y 基本上呈现线性关系，但并不完 全在一条直线上。 附数据与图形。

n
i 1
2
2 2 ˆ ˆ 2b yi y xi x b xi x i 1 i 1
i 1
n
i 1
n
ˆS /S ˆ b ˆ2 S S bS ˆ . b S yy 2bS xy xx xy xx yy xy
例2 求例1中误差方差的无偏估计。
采用最小二乘法估计参数a和b，并不需要事先知道Y与x之间 一定具有相关关系，即使是平面图上一堆完全杂乱无章的散 点，也可以用公式求出回归方程。因此μ(x)是否为x的线性函 数，一要根据专业知识和实践来判断，二要根据实际观察得 到的数据用假设检验方法来判断。
即要检验假设 H0 : b 0, H1 : b 0, 若原假设被拒绝，说明回归效果是显著的，否则， 若接受原假设，说明Y与x不是线性关系，回归方程 无意义。回归效果不显著的原因可能有以下几种：
将每对观察值( xi , yi )在直角坐标系中描出它相应的点 （称为散点图），可以粗略看出 ( x)的形式。
基本思想
(x, Y)
回归分析 回归方程
采集样本信息 ( xi, yi )
散点图
回归方程参数估计、显著性检验
对现实进行预测与控制
一元回归分析:只有一个自变量的回归分析 多元回归分析:多于一个自变量的回归分析

x1 x2 x3
xi
xn
整理得 na ( xi )b yi ,
( xi )a ( xi )b xi yi .——正规方程组
2 i 1 i 1 i 1
n
i 1
n
i 1
n
na ( xi )b yi ,
i 1 i 1
n
n