高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)

高級(jí)統(tǒng)計(jì)學(xué)哈爾濱工業(yè)大學(xué)管理學(xué)院葛虹高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第1頁(yè)!高級(jí)統(tǒng)計(jì)學(xué)研究的對(duì)象多指標(biāo)或多變量數(shù)據(jù)企業(yè)管理：產(chǎn)值、單位成本、原材料消耗、工資、勞動(dòng)生產(chǎn)率、銷(xiāo)售收入、利潤(rùn)、全要素生產(chǎn)率居民家庭消費(fèi)：家庭收入、家庭人口、階層、中高檔消費(fèi)品支出等等高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第2頁(yè)!必備知識(shí)概率論與數(shù)理統(tǒng)計(jì)統(tǒng)計(jì)學(xué)

——點(diǎn)估計(jì)

——區(qū)間估計(jì)

——假設(shè)檢驗(yàn)高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第3頁(yè)!按觀(guān)測(cè)點(diǎn)分類(lèi)或按變量分組分類(lèi)比較是一切科學(xué)比較的基礎(chǔ)和開(kāi)端對(duì)觀(guān)測(cè)點(diǎn)分類(lèi):銀行發(fā)放貸款對(duì)各企業(yè)財(cái)務(wù)指標(biāo)、信用狀況進(jìn)行分析對(duì)變量分組:股票市場(chǎng)是宏觀(guān)經(jīng)濟(jì)的晴雨表經(jīng)濟(jì)指標(biāo)與股票市場(chǎng)各種指標(biāo)間的群組關(guān)系聚類(lèi)分析判別分析ClusterAnalysisDiscriminantAnalysis高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第4頁(yè)!內(nèi)容提要

回歸分析1

定性數(shù)據(jù)的建模2

聚類(lèi)分析3

判別分析4

主成分分析5

因子分析6

結(jié)構(gòu)方程7高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第5頁(yè)!預(yù)測(cè)回歸分析定性數(shù)據(jù)建模分類(lèi)聚類(lèi)分析判別分析判別主成分分析因子分析結(jié)構(gòu)方程關(guān)聯(lián)性分析綜合評(píng)價(jià)統(tǒng)計(jì)學(xué)方法的應(yīng)用以及內(nèi)容之間的邏輯關(guān)系

應(yīng)用范圍教學(xué)內(nèi)容高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第6頁(yè)!預(yù)備知識(shí)ONETWO隨機(jī)向量及其分布隨機(jī)向量的數(shù)字特征THREEFOUR隨機(jī)向量的樣本及其數(shù)字特征多元正態(tài)分布高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第7頁(yè)!隨機(jī)向量的數(shù)字特征隨機(jī)向量的數(shù)學(xué)期望隨機(jī)向量的方差陣

高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第8頁(yè)!隨機(jī)向量的樣本及其數(shù)字特征P維隨機(jī)向量的一個(gè)容量為n的樣本：

的樣本

的樣本

的樣本高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第9頁(yè)!樣本離差陣與樣本方差陣樣本離差陣樣本方差陣高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第10頁(yè)!相關(guān)系數(shù)陣計(jì)算的SPSS實(shí)現(xiàn)高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第11頁(yè)!高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第12頁(yè)!多元正態(tài)分布定義1q維標(biāo)準(zhǔn)正態(tài)分布設(shè)獨(dú)立同分布于,則稱(chēng)隨機(jī)向量服從q維正態(tài)分布,記

Y~密度函數(shù):

高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第13頁(yè)!定理1

若服從，則（1），（2）密度函數(shù)：

定理2

與分別是和的無(wú)偏估計(jì)，即高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第14頁(yè)!為什么要建立線(xiàn)性模型一般函數(shù)線(xiàn)性化…特殊函數(shù)線(xiàn)性化…簡(jiǎn)單易分析…相關(guān)性=線(xiàn)性性…線(xiàn)性模型高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第15頁(yè)!點(diǎn)擊1點(diǎn)擊2點(diǎn)擊3點(diǎn)擊4高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第16頁(yè)!高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第17頁(yè)!點(diǎn)擊1點(diǎn)擊2點(diǎn)擊3點(diǎn)擊4點(diǎn)擊5高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第18頁(yè)!點(diǎn)擊1點(diǎn)擊5點(diǎn)擊2點(diǎn)擊3點(diǎn)擊4點(diǎn)擊6高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第19頁(yè)!點(diǎn)擊2可選點(diǎn)擊1高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第20頁(yè)!高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第21頁(yè)!高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第22頁(yè)!散點(diǎn)圖（1）高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第23頁(yè)!矩陣偏導(dǎo)數(shù)與樣本矩陣表達(dá)高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第24頁(yè)!散點(diǎn)圖（2）高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第25頁(yè)!

￣性質(zhì)2~￣，且即的無(wú)偏估計(jì)是性質(zhì)3

與相互獨(dú)立

高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第26頁(yè)!一元回歸模型的顯著性決定系數(shù)法

RSquare+Adjusted-RSquare回歸方程的顯著性檢驗(yàn)

方差分析

=F-檢驗(yàn)高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第27頁(yè)!方差分析法(回歸方程的顯著性檢驗(yàn))零假設(shè)檢驗(yàn)統(tǒng)計(jì)量含義？~高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第28頁(yè)!P值法：P<0.05→回歸方程顯著高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第29頁(yè)!回歸系數(shù)的顯著性檢驗(yàn)（1）零假設(shè)檢驗(yàn)統(tǒng)計(jì)量含義？~高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第30頁(yè)!P值法P<0.05→回歸系數(shù)顯著高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第31頁(yè)!一元回歸模型的診斷前提假設(shè)等方差性獨(dú)立性正態(tài)性

高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第32頁(yè)!殘差圖殘差不獨(dú)立異方差高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第33頁(yè)!Q-Q圖(Quantile-QuantilePlot)高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第34頁(yè)!多元回歸模型的建立模型

基本形式：

~

樣本表達(dá)：

矩陣表達(dá)：高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第35頁(yè)!高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第36頁(yè)!高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第37頁(yè)!

與的性質(zhì)性質(zhì)1￣性質(zhì)2￣即

是的無(wú)偏估計(jì)性質(zhì)3

與相互獨(dú)立高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第38頁(yè)!性質(zhì)5

若

（1）

~（2）

~

且與相互獨(dú)立（3）

~高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第39頁(yè)!回歸系數(shù)的顯著性檢驗(yàn)（2）零假設(shè)

檢驗(yàn)統(tǒng)計(jì)量與其分布：

~

其中是的第j+1個(gè)對(duì)角元含義？高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第40頁(yè)!隨機(jī)模擬方法

多重共線(xiàn)性對(duì)參數(shù)估計(jì)影響的例

原線(xiàn)性模型：

的觀(guān)測(cè)值：正態(tài)隨機(jī)數(shù)：由模型得到：

回歸模型：高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第41頁(yè)!方法3檢查統(tǒng)計(jì)量的顯著性.很大,但沒(méi)有幾個(gè)顯著的t統(tǒng)計(jì)量或F統(tǒng)計(jì)量高度顯著,而每個(gè)t統(tǒng)計(jì)量都不顯著.方法4檢查系數(shù)的標(biāo)準(zhǔn)差.

如果幾個(gè)系數(shù)的標(biāo)準(zhǔn)差都很高,而且從方程中去掉一個(gè)或幾個(gè)變量會(huì)降低剩下幾個(gè)變量系數(shù)的標(biāo)準(zhǔn)差,此時(shí)有可能存在多重共線(xiàn)性.高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第42頁(yè)!點(diǎn)擊高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第43頁(yè)!原方程:回歸方程:高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第44頁(yè)!主成分回歸步：尋找主成分高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第45頁(yè)!隨機(jī)模擬例的主成分回歸結(jié)果主成分的貢獻(xiàn)率為0.993y關(guān)于主成分的回歸模型為：最后的整理結(jié)果為：高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第46頁(yè)!逐步回歸引進(jìn)變量過(guò)程剔除變量過(guò)程

按某種法則將變量逐個(gè)引進(jìn)

每引進(jìn)一個(gè)變量后剔除不顯著的選入變量高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第47頁(yè)!高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第48頁(yè)!高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第49頁(yè)!參數(shù)估計(jì)表constantx1x2BStd.Error11.307-6.5911.4634.719-1.486t7.719高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第50頁(yè)!科研案例劉小玄.民營(yíng)化改制對(duì)中國(guó)產(chǎn)業(yè)效率的效果分析——2001年全國(guó)普查工業(yè)數(shù)據(jù)分析.經(jīng)濟(jì)研究,2004,(8):16-26高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第51頁(yè)!

對(duì)于效率具有明顯的負(fù)效率，私營(yíng)企業(yè)、股份制企業(yè)和三資企業(yè)則都表現(xiàn)為積極地對(duì)于效率的正相關(guān)推動(dòng)作用。其中，私營(yíng)企業(yè)推動(dòng)產(chǎn)業(yè)效率的作用最強(qiáng)，三資和股份合作企業(yè)其次，再次則是股份企業(yè)和集體企業(yè)。（2）對(duì)于改制企業(yè)的不同資本股份來(lái)說(shuō)，個(gè)人資本普遍具有最顯著的對(duì)于效率的正相關(guān)的積極效果，法人資本表現(xiàn)為顯著性不穩(wěn)定的正相關(guān)作用，集體資本表現(xiàn)與效率不相關(guān)的結(jié)果，而國(guó)家資本則表現(xiàn)出十分顯著的負(fù)相關(guān)效果。（3）對(duì)于股份有限、有限責(zé)高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第52頁(yè)!產(chǎn)業(yè)效率決定因素的估計(jì)模型銷(xiāo)售收入固定資產(chǎn)凈值就業(yè)人數(shù)所有權(quán)結(jié)構(gòu)變量規(guī)模變量高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第53頁(yè)!影響產(chǎn)業(yè)效率的國(guó)有因素因變量參數(shù)估計(jì)(T檢驗(yàn)值)截距2.699(14.36)LK0.424(12.56)LL0.5770.566-0.5550.801(16.44)(3.21)(6.93)(-8.37)大型中型國(guó)有結(jié)論:國(guó)有企業(yè)對(duì)于效率具有明顯的負(fù)效率高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第54頁(yè)!讀書(shū)報(bào)告(研究生網(wǎng)站上下載)至少兩篇文獻(xiàn)(所學(xué)專(zhuān)業(yè))報(bào)告內(nèi)容包括：研究的目的和意義研究?jī)?nèi)容

研究方法模型、變量的選擇；模型的估計(jì)結(jié)果結(jié)論

參考文獻(xiàn)(格式按研究生畢業(yè)論文要求)高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第55頁(yè)!研究?jī)?nèi)容簡(jiǎn)化數(shù)據(jù)結(jié)構(gòu)

箱式數(shù)據(jù)平面數(shù)據(jù)變換主成分分析PrincipleAnalysis因子分析FactorAnalysis高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第56頁(yè)!回歸分析RegressionAnalysis結(jié)構(gòu)方程StructuralEquationModel變量間的依存關(guān)系+關(guān)系的強(qiáng)弱分析尋找變量間的依存關(guān)系是一切科學(xué)研究的主要內(nèi)容尋找一般的規(guī)律：預(yù)測(cè)、控制高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第57頁(yè)!教學(xué)內(nèi)容結(jié)構(gòu)回歸分析OneTwoThree定性數(shù)據(jù)建模

聚類(lèi)分析判別分析主成分分析因子分析高級(jí)統(tǒng)計(jì)學(xué)結(jié)構(gòu)方程高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第58頁(yè)!參考書(shū)多元統(tǒng)計(jì)分析（何曉群編著）中國(guó)人民大學(xué)出版社應(yīng)用統(tǒng)計(jì)（陸璇編著）清華大學(xué)出版社高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第59頁(yè)!隨機(jī)向量及其分布P維隨機(jī)向量:

聯(lián)合分布函數(shù):

聯(lián)合密度函數(shù):高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第60頁(yè)!隨機(jī)向量的相關(guān)系數(shù)陣高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第61頁(yè)!樣本均值高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第62頁(yè)!樣本相關(guān)系數(shù)陣與的樣本相關(guān)系數(shù)高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第63頁(yè)!高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第64頁(yè)!高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第65頁(yè)!定義2p維一般正態(tài)分布設(shè)，B為實(shí)數(shù)矩陣，為維實(shí)數(shù)向量，則是維正態(tài)隨機(jī)向量，記為：其中為非負(fù)定陣。高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第66頁(yè)!回歸分析

一元回歸模型的建立1

回歸模型的診斷以及SPSS實(shí)現(xiàn)2

回歸模型的矩陣表示3

多元回歸模型的建立4

多元回歸模型的診斷以及SPSS實(shí)現(xiàn)5高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第67頁(yè)!一元回歸的SPSS實(shí)現(xiàn)觀(guān)察散點(diǎn)圖

GraphsScatter點(diǎn)擊1點(diǎn)擊2高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第68頁(yè)!點(diǎn)擊高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第69頁(yè)!執(zhí)行回歸過(guò)程

AnalyzeRegressionLinear高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第70頁(yè)!點(diǎn)擊1點(diǎn)擊2點(diǎn)擊3高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第71頁(yè)!點(diǎn)擊高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第72頁(yè)!高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第73頁(yè)!高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第74頁(yè)!一元回歸模型的建立觀(guān)察由n個(gè)樣本構(gòu)成的散點(diǎn)圖或計(jì)算樣本相關(guān)系數(shù)，若呈現(xiàn)明顯的相關(guān)性，建立數(shù)學(xué)模型

~

其中是未知參數(shù),需要利用樣本對(duì)它們進(jìn)行估計(jì).高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第75頁(yè)!參數(shù)的最小二乘估計(jì)（1）模型1

最小二乘解：高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第76頁(yè)!模型2

最小二乘解：（1）為y關(guān)于x的回歸方程（2）稱(chēng)為方程的回歸系數(shù)()（3）稱(chēng)為殘差，為殘差向量（4）稱(chēng)為殘差平方和參數(shù)的最小二乘估計(jì)（2）高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第77頁(yè)!

與的性質(zhì)

性質(zhì)1

~￣

~~

高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第78頁(yè)!

性質(zhì)4若，則

~于是的置信區(qū)間是：

的樣本標(biāo)準(zhǔn)差高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第79頁(yè)!決定系數(shù)法總平方和分解決定系數(shù)總平方和回歸平方和殘差平方和df=n-1df=n-2df=1高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第80頁(yè)!拒絕域(臨界值法)：→回歸方程顯著高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第81頁(yè)!方差分析表（ANOVA）

AnalysisofVariance高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第82頁(yè)!拒絕域（臨界值法）→常數(shù)項(xiàng)顯著高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第83頁(yè)!回歸系數(shù)的顯著性檢驗(yàn)（2）零假設(shè)檢驗(yàn)統(tǒng)計(jì)量~~高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第84頁(yè)!誤差的估計(jì)殘差與殘差圖殘差圖(獨(dú)立、等方差)高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第85頁(yè)!檢驗(yàn)的正態(tài)性（Q-Q圖）的分位數(shù)理論分位數(shù)樣本分位數(shù)高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第86頁(yè)!回歸分析過(guò)程建模過(guò)程顯著性檢驗(yàn)過(guò)程回歸診斷過(guò)程回歸方程的顯著性—F檢驗(yàn)回歸系數(shù)的顯著性—t檢驗(yàn)殘差圖Q-Q圖參數(shù)估計(jì)誤差估計(jì)高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第87頁(yè)!高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第88頁(yè)!高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第89頁(yè)!參數(shù)和的估計(jì)參數(shù)的最小二乘估計(jì)是參數(shù)的無(wú)偏估計(jì)是其中是殘差平方和高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第90頁(yè)!性質(zhì)4若，則

~于是的置信區(qū)間是：

的第i+1個(gè)對(duì)角元高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第91頁(yè)!多元回歸模型顯著性檢驗(yàn)（1）決定系數(shù)法方差分析法

零假設(shè)：

檢驗(yàn)統(tǒng)計(jì)量與其分布：

~含義？高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第92頁(yè)!多重共線(xiàn)性什么是多重共線(xiàn)性

p個(gè)自變量在某種程度上是線(xiàn)性相關(guān)的多重共線(xiàn)性可以造成參數(shù)的估計(jì)值嚴(yán)重偏離實(shí)際值一個(gè)解釋?zhuān)簙

的共線(xiàn)性使接近奇異陣,從而使中的對(duì)角分量或的方差很大.高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第93頁(yè)!多重共線(xiàn)性的判定方法1相關(guān)系數(shù)法若自變量間的相關(guān)系數(shù)??≈1

，則相應(yīng)的兩個(gè)變量之間有較強(qiáng)的共線(xiàn)性。方法2方差膨脹系數(shù)法（）若是把第j個(gè)自變量看作因變量，用其余p-1個(gè)變量作線(xiàn)性回歸所得到的決定系數(shù)，則第j個(gè)自變量的方差膨脹系數(shù)為：高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第94頁(yè)!共線(xiàn)性診斷的SPSS實(shí)現(xiàn)

點(diǎn)擊高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第95頁(yè)!高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第96頁(yè)!克服多重共線(xiàn)性的統(tǒng)計(jì)方法

逐步回歸嶺回歸主成分回歸消除多重共線(xiàn)性高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第97頁(yè)!第二步：如果和第二主成分的累積貢獻(xiàn)率超過(guò)85%，則建立回歸模型高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第98頁(yè)!嶺回歸嶺估計(jì)最小二乘估計(jì)高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第99頁(yè)!逐步回歸的SPSS實(shí)現(xiàn)高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第100頁(yè)!高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第101頁(yè)!習(xí)題

一方差分析表33.2402913.740高級(jí)統(tǒng)計(jì)學(xué)-統(tǒng)計(jì)學(xué)共108頁(yè)，您現(xiàn)在瀏覽的是第102頁(yè)!回答如下問(wèn)題寫(xiě)出回歸方程的表達(dá)式回歸方程是顯著的嗎？回歸系數(shù)是顯著的嗎？回歸系數(shù)不顯著的原因可能是什么？