6.第三讲 一元线性回归2

第三章 一元线性回归模型一、预备知识（一）相关概念对于一个双变量总体,若由基础理论，变量和变量之间存在因果),(i i x y x y 关系，或的变异可用来解释的变异。

为检验两变量间因果关系是否存在、x y 度量自变量对因变量影响的强弱与显著性以及利用解释变量去预测因变量x y x ，引入一元回归分析这一工具。

y 将给定条件下的均值i x i yi i i x x y E 10)|(ββ+=（3.1）定义为总体回归函数（PopulationRegressionFunction,PRF ）。

定义为误差项（errorterm ）,记为，即，这样)|(i i i x y E y -i μ)|(i i i i x y E y -=μ，或i i i i x y E y μ+=)|(i i i x y μββ++=10（3.2）（3.2）式称为总体回归模型或者随机总体回归函数。

其中，称为解释变量x （explanatory variable ）或自变量（independent variable ）；称为被解释y 变量（explained variable ）或因变量（dependent variable ）；误差项解释μ了因变量的变动中不能完全被自变量所解释的部分。

误差项的构成包括以下四个部分：（1）未纳入模型变量的影响（2）数据的测量误差（3）基础理论方程具有与回归方程不同的函数形式，比如自变量与因变量之间可能是非线性关系（4）纯随机和不可预料的事件。

在总体回归模型（3.2）中参数是未知的，是不可观察的，统计计10,ββi μ量分析的目标之一就是估计模型的未知参数。

给定一组随机样本，对（3.1）式进行估计，若的估计量分别记n i y x i i ,,2,1),,( =10,),|(ββi i x y E 为，则定义3.3式为样本回归函数^1^0^,,ββi y （）i i x y ^1^0^ββ+=n i ,,2,1 =（3.3）注意，样本回归函数随着样本的不同而不同，也就是说是随机变量，^1^0,ββ它们的随机性是由于的随机性（同一个可能对应不同的）与的变异共i y i x i y x 同引起的。

2.方法归纳：数形结合、转化化归. 3.常见误区：不判断变量间是否具有线性相关关系，盲目求解经验回归方程 致误.
§8.2 一元线性回归模型及其应用 第1课时 一元线性回归模型及参数的最小二乘估计
1 一元线性回归模型 2 最小二乘法和
经验回归方程
3 利用经验回归方程
进行预测
01 一元线性回归模型
知识梳理
一元线性回归模型：我们称
Y＝bx＋a＋e， Ee＝0，De＝σ2
为Y关于x的_一__元__线__性__回__归_
8
∑i＝1xiyi－8 x b^ ＝ 8
∑i＝1x2i －8 x
y
2
＝132245－6－8×8×52×25982＝14，
所以a^ ＝ y －b^ x ＝98－14×52＝12，故经验回归方程为y^＝14x＋12.
(2)若该次考试数学平均分为120分，物理平均分为91.5分，试由(1)的结 论预测数学成绩为128分的同学的物理成绩.
n
(xi－ x )2
n
x2i －n x 2
i＝1
i＝1
由题意可得 x ＝15×(1＋1.5＋2＋2.5＋3)＝2， y ＝15×(0.9＋0.7＋0.5＋0.3＋0.2)＝0.52.
5
(xi－ x )(yi－ y )＝－1×0.38－0.5×0.18＋0.5×(－0.22)＋1×(－0.32)
i＝1
(1)(2)(3)(4)(5)回归模型，(6)(7)函数模型.
练1习1 若某地财政收入x与支出y满足一元线性回归模型y＝bx＋a＋e(单
位：亿元)，其中b＝0.7，a＝3，|e|≤0.5，如果今年该地区财政收入10亿
元，年支出预计不会超过
A.9亿元 C.10亿元

已知y与x线性相关：
判断是正相关还是负相关
攻打下一座防御塔
任务二 回归直线方程
【思考】
0
通过前面的学习，我们已经观察除数学成绩的好坏与学习
数学的时长具有正相关关系，在散点图中可以用一条直线
近似刻画，我们如何进一步描述这两者之间的准确联系
呢？
在已知y与x线性相关的前提下，你能找出近似描述y与x
之间关系的一次函数表达式吗？根据所得到的关系式，
并发展自身逻辑思维素养。
掌握一元线性回归模型参数的最小二乘估
计方法，并锻炼自身数学运算素养。
结合实际问题，会用一元线性回归模型进
行预测，并发展自身数学建模的思维和素养。
对手分析
【难点】
用最小二乘法估计
一元线性回归模型
的参数．
【重点】
1.判断相关关系
2.求回归直线方程
3.利用回归直线方
程进行预测
散点图
30
40
50
60
70
80
90
数学成绩
100
0
0
0.5
1
1.5
2
2.5
3
平均每日游戏时长
如果一个变量增大，另一个变
量大体上也增大，则称这两个
变量正相关；
如果一个变量增大，另一个
变量大体上减小，则称这两
个变量负相关；
短兵相接
答对以下问题破除防御塔
如果某位同学10次考试的物理成绩y与数学成绩x如下表
所示.
——确定性关系
（4）平均学习时间 t 与学习成绩 f 之间的关系; ——随机性关系
相
关
关
系
任务一 相关关系
根据所学，想要直观感受下表中的数据是否具有相关关系仍有些困

1. ei =0 2. ei Xi=0 3.样本回归方程过（X , Y ）点
4.截距为0的一元线性回归模型参数估 计式
一元线性回归模型参数估计举例（ P23页）
四、估计量的统计学性质
1. 线性性：bˆ0 , bˆ1 都是Yi的线性函数。
bˆ1
xi
y i
x2 i
xi (Y i Y
x2 i
)
xiY i
ˆ 的密度函数
Var(ˆ)
0
E(ˆ )
为什么具有BLUE性质的估计量是优良的估计量？
五、 bˆ0 ，bˆ1 的分布
bˆ0
、bˆ1
都 服从正态分布
bˆ0 ˜N（b0 、
X
2 i
n
x2 i
u2
）
1
x bˆ1 ˜N（b1 、
2 i
u2
）
（证明略）
六、随机项u的方差2的估计
1（.定证理明：从略ˆu2） n e2i2 是 u2的一个无偏估计值
假定六：解释变量X 是一组确定性变量， 随机扰动项 ui与解释变量Xi无关, 即
Cov（ ui，Xj ）=0 。 假定七：解释变量之间不是完全线性相 关的。称无完全多重共线性。
对假定的学习思路：先结合随机项的特性,理 解假定含义,认为这些假定是成立的，学习参 数的估计、模型检验等。然后，在后面的章 节讨论这些假定是否成立？不成立会出现什 么问题？怎样检验？如何解决？
把握这个思路很重要哦!
四、回归分析 1.什么是回归分析？ 是回归模型的建立、估计、检验理论和 方法的统称 2.回归分析的主要内容
建立模型、估计模型、检验模型 、应用
二、四种重要的关系式
• 1. 总体关系式：Yi=b0+ u b1Xi+ i