【正文】 點(diǎn)選數(shù)據(jù)分析項(xiàng)，在對話框中選擇回歸，根據(jù)對話框的提示做必要的操作，例： 目錄 上頁 下頁 返回 結(jié)束 2020/9/16 中國人民大學(xué)六西格瑪質(zhì)量管理研究中心 121 167。 回歸方程的顯著性檢驗(yàn) 用 P值代替 t值做判定有幾方面的優(yōu)越性： 目錄 上頁 下頁 返回 結(jié)束 2020/9/16 中國人民大學(xué)六西格瑪質(zhì)量管理研究中心 125 167。 目錄 上頁 下頁 返回 結(jié)束 2020/9/16 中國人民大學(xué)六西格瑪質(zhì)量管理研究中心 126 167。左側(cè)是變量名，選中 y，點(diǎn)右側(cè) Dependent（因變量）框條旁的箭頭按鈕， y即進(jìn)入此框條（從框條中剔除變量的方法是，選中框條中的變量，框條左側(cè)的箭頭按鈕即轉(zhuǎn)向左側(cè)，點(diǎn)此按鈕即可）。 回歸方程的顯著性檢驗(yàn) 其中 Sig就是 P值， Sig是 Significance（顯著性）的簡寫，這里只保留了三位小數(shù)，因而顯示為零。對一元線性回歸這三種檢驗(yàn)的結(jié)果是等價(jià)的。 目錄 上頁 下頁 返回 結(jié)束 2020/9/16 中國人民大學(xué)六西格瑪質(zhì)量管理研究中心 130 167。 目錄 上頁 下頁 返回 結(jié)束 2020/9/16 中國人民大學(xué)六西格瑪質(zhì)量管理研究中心 131 167。 殘差分析 一般認(rèn)為 ,如果一個(gè)回歸模型滿足所給出的基本假定 ,所有殘差應(yīng)是在 e=0附近隨機(jī)變化 ,并在變化幅度不大的一條帶子內(nèi)。這種方差不同的情況的消除 ,我們將專門在第 6 圖 (c)的情況表明 y和 x之間的關(guān)系并非線性關(guān)系 ,而是曲線關(guān)系。 目錄 上頁 下頁 返回 結(jié)束 2020/9/16 中國人民大學(xué)六西格瑪質(zhì)量管理研究中心 135 167。 目錄 上頁 下頁 返回 結(jié)束 2020/9/16 中國人民大學(xué)六西格瑪質(zhì)量管理研究中心 137 167。 殘差分析 目錄 上頁 下頁 返回 結(jié)束 2020/9/16 中國人民大學(xué)六西格瑪質(zhì)量管理研究中心 141 167。 預(yù)測和控制 目錄 上頁 下頁 返回 結(jié)束 2020/9/16 中國人民大學(xué)六西格瑪質(zhì)量管理研究中心 143 167。 預(yù)測和控制 目錄 上頁 下頁 返回 結(jié)束 2020/9/16 中國人民大學(xué)六西格瑪質(zhì)量管理研究中心 148 167。 預(yù)測和控制 三、控制問題 控制問題相當(dāng)于預(yù)測的反問題。在控制通貨膨脹問題中 ,我們希望全國零售物價(jià)指數(shù)增長在 7%以內(nèi)等。在經(jīng)濟(jì)問題中，經(jīng)濟(jì)變量之間有強(qiáng)的相關(guān)性，僅控制回歸方程中的一個(gè)或幾個(gè)自變量，而忽視了回歸方程之外的其它變量，往往達(dá)不到預(yù)期的效果。 第二步，搜集數(shù)據(jù)。由圖 ,隨著人均國民收入的增加 ,居民人均消費(fèi)額增大 ,而且 20個(gè)樣本點(diǎn)大致分布在一條直線的周圍。 建?？偨Y(jié)和應(yīng)注意的問題 本例采用 SPSS軟件選中全部輸出統(tǒng)計(jì)量，輸出結(jié)果如下 目錄 上頁 下頁 返回 結(jié)束 2020/9/16 中國人民大學(xué)六西格瑪質(zhì)量管理研究中心 156 167。 建?？偨Y(jié)和應(yīng)注意的問題 2020/9/16 中國人民大學(xué)六西格瑪質(zhì)量管理研究中心 158 目錄 上頁 下頁 返回 結(jié)束 167。最常見的應(yīng)用之一就是因素分析。另外還可以仿照 167。當(dāng)現(xiàn)階段的實(shí)際情況與建模時(shí)所用數(shù)據(jù)資料的背景發(fā)生較大變化時(shí) ,不能仍機(jī)械地死套公式 ,這時(shí)就應(yīng)對模型進(jìn)行修改。 建?？偨Y(jié)和應(yīng)注意的問題 二、有關(guān)回歸假設(shè)檢驗(yàn)問題 162 中國人民大學(xué)六西格瑪質(zhì)量管理研究中心 2020/9/16 目錄 上頁 下頁 返回 結(jié)束 167。 建模總結(jié)和應(yīng)注意的問題 165 中國人民大學(xué)六西格瑪質(zhì)量管理研究中心 2020/9/16 目錄 上頁 下頁 返回 結(jié)束 167。 建模總結(jié)和應(yīng)注意的問題 168 中國人民大學(xué)六西格瑪質(zhì)量管理研究中心 2020/9/16 目錄 上頁 下頁 返回 結(jié)束 167。 目錄 上頁 下頁 返回 結(jié)束 167。如果在預(yù)測時(shí) ,自變量的取值在建模時(shí)樣本數(shù)據(jù) x的取值范圍之內(nèi) ,這種預(yù)測稱為內(nèi)插預(yù)測，內(nèi)插預(yù)測的效果通常較好，預(yù)測誤差小。 目錄 上頁 下頁 返回 結(jié)束 167。因?yàn)槲覀兯⒌幕貧w方程是直線方程 ,而理論上回歸方程一般并非是嚴(yán)格的直線。 建?？偨Y(jié)和應(yīng)注意的問題 171 中國人民大學(xué)六西格瑪質(zhì)量管理研究中心 2020/9/16 三、回歸系數(shù)的解釋問題 目錄 上頁 下頁 返回 結(jié)束 167。實(shí)際上，自變量 x只取了 8和 19這兩個(gè)不同的值，因而不能斷言 y與 x之間是何種關(guān)系。 建模總結(jié)和應(yīng)注意的問題 167 中國人民大學(xué)六西格瑪質(zhì)量管理研究中心 2020/9/16 由圖 (a)可知 ,由直線作為 y與 x間關(guān)系的擬合是合適的 ,回歸方程刻畫出了變量 y與 x間的線性相關(guān)關(guān)系 。 目錄 上頁 下頁 返回 結(jié)束 167。還包括是否要增加新的自變量 ,因?yàn)橛绊懩撤N經(jīng)濟(jì)現(xiàn)象的因素可能發(fā)生了變化 ,可能還有一些重要的因素需要考慮等。 160 中國人民大學(xué)六西格瑪質(zhì)量管理研究中心 2020/9/16 目錄 上頁 下頁 返回 結(jié)束 167。這大致符合現(xiàn)階段的實(shí)際情況。 建?？偨Y(jié)和應(yīng)注意的問題 第八步 ,模型的應(yīng)用。 建模總結(jié)和應(yīng)注意的問題 第六步，回歸診斷，分析輸出結(jié)果。故可以采用（ ）一元線性回歸理論 第五步 ,用軟件計(jì)算，輸出計(jì)算結(jié)果。散點(diǎn)圖見前面圖 。 建模總結(jié)和應(yīng)注意的問題 一、一元線性回歸模型從建模到應(yīng)用的全過程 第一步，提出因變量與自變量。 預(yù)測和控制 目錄 上頁 下頁 返回 結(jié)束 2020/9/16 中國人民大學(xué)六西格瑪質(zhì)量管理研究中心 153 167。在許多經(jīng)濟(jì)問題中 ,我們要求 y在一定的范圍內(nèi)取值。 預(yù)測和控制 2．因變量新值的平均值的區(qū)間估計(jì) 目錄 上頁 下頁 返回 結(jié)束 2020/9/16 中國人民大學(xué)六西格瑪質(zhì)量管理研究中心 150 167。 預(yù)測和控制 1．因變量新值的區(qū)間預(yù)測 目錄 上頁 下頁 返回 結(jié)束 2020/9/16 中國人民大學(xué)六西格瑪質(zhì)量管理研究中心 145 167。 一、單值預(yù)測 單值預(yù)測就是用單個(gè)值作為因變量新值的預(yù)測值。 殘差分析 目錄 上頁 下頁 返回 結(jié)束 2020/9/16 中國人民大學(xué)六西格瑪質(zhì)量管理研究中心 139 167。 殘差分析 圖 Excel軟件畫出的糧食產(chǎn)量與化肥施用量數(shù)據(jù)的殘差圖。另外一種可能性是 y 圖 (d)的稱為蛛網(wǎng)現(xiàn)象 ,表明 y具有自相關(guān) , 目錄 上頁 下頁 返回 結(jié)束 2020/9/16 中國人民大學(xué)六西格瑪質(zhì)量管理研究中心 134 167。如果殘差都落在變化幅度不大的一條帶子內(nèi) ,也就可說明回歸模型滿足基本假設(shè)。 殘差分析 圖 ,這些殘差圖各不相同 ,它們分別說明樣本數(shù)據(jù)的不同表現(xiàn)情況。只有當(dāng)與模型中的殘差項(xiàng)有關(guān)的假定滿足時(shí) ,我們才能放心地運(yùn)用回歸模型。因而對一元線性回歸實(shí)際只需要做其中的一種檢驗(yàn)即可。以上只是軟件默認(rèn)的輸出項(xiàng)目，還可以根據(jù)需要增加輸出項(xiàng)目。 回歸方程的顯著性檢驗(yàn) 目錄 上頁 下頁 返回 結(jié)束 2020/9/16 中國人民大學(xué)六西格瑪質(zhì)量管理研究中心 128 167。由于例 的糧食產(chǎn)量與化肥施用量數(shù)據(jù)已經(jīng)已建立了 excel數(shù)據(jù)文件，可以把數(shù)據(jù)直接粘貼到 SPSS中，再加入變量名。 第三、用 P值做檢驗(yàn)可以準(zhǔn)確地知道檢驗(yàn)的顯著性，實(shí)際上 P值就是犯棄真錯(cuò)誤的真實(shí)概率，也就是檢驗(yàn)的真實(shí)顯著性。 回歸方程的顯著性檢驗(yàn) 目錄 上頁 下頁 返回 結(jié)束 2020/9/16 中國人民大學(xué)六西格瑪質(zhì)量管理研究中心 123 167。 回歸方程的顯著性檢驗(yàn) 目錄 上頁 下頁 返回 結(jié)束 2020/9/16 中國人民大學(xué)六西格瑪質(zhì)量管理研究中心 120 167。在第五章的多元線性回歸中 ,我們還將進(jìn)一步討論這個(gè)問題。因?yàn)?,當(dāng) n較小時(shí) ,相關(guān)系數(shù)的絕對值容易接近于 1。 (e)表示 x與 y是正的線性相關(guān) , (f)表示 x與 y是負(fù)的線性相關(guān)。因而，即使 r=0也并不能說明 x與 y無任何關(guān)系。圖中 (c)這種極端情況 ,說明所有的樣本點(diǎn)分布雜亂無章 ,變量 x與 y之間沒有相關(guān)關(guān)系 ,即 r=0。 回歸方程的顯著性檢驗(yàn) 圖 (a)、 (b)和 (c)、 (d)是四種極端情況 ,即當(dāng) x與 y有精確的線性關(guān)系時(shí) ,r=1或 r=1。 回歸方程的顯著性檢驗(yàn) 相關(guān)系數(shù) r表示 x和 y的線性關(guān)系的密切程度。 回歸方程的顯著性檢驗(yàn) 目錄 上頁 下頁 返回 結(jié)束 2020/9/16 中國人民大學(xué)六西格瑪質(zhì)量管理研究中心 111 167。 回歸方程的顯著性檢驗(yàn) 目錄 上頁 下頁 返回 結(jié)束 2020/9/16 中國人民大學(xué)六西格瑪質(zhì)量管理研究中心 108 167。 回歸方程的顯著性檢驗(yàn) 目錄 上頁 下頁 返回 結(jié)束 2020/9/16 中國人民大學(xué)六西格瑪質(zhì)量管理研究中心 106 167。 最小二乘估計(jì)的性質(zhì) 目錄 上頁 下頁 返回 結(jié)束 2020/9/16 中國人民大學(xué)六西格瑪質(zhì)量管理研究中心 102 167。 最小二乘估計(jì)的性質(zhì) 一個(gè)估計(jì)量是無偏的 ,只揭示了估計(jì)量優(yōu)良性的一個(gè)方面。 目錄 上頁 下頁 返回 結(jié)束 2020/9/16 中國人民大學(xué)六西格瑪質(zhì)量管理研究中心 96 167。 一元線性回歸模型 目錄 上頁 下頁 返回 結(jié)束 2020/9/16 中國人民大學(xué)六西格瑪質(zhì)量管理研究中心 87 一、普通最小二乘估計(jì) 目錄 上頁 下頁 返回 結(jié)束 2