【正文】
感謝母校所有給過我教導與關懷的老師!感謝四年來與我同甘共苦的本科生同學,我會永遠記住我們一起走過的日子!向所有曾經(jīng)關心和幫助過我的老師、同學和朋友致以誠摯的謝意!最后感謝多年來一直鼓勵支持我的家人,尤其是我的父母,希望以自己的每一次進步給他們帶去欣慰之情。在論文寫作過程中,我得到了來自老師、同學的多方面指導、幫助和關心。 模型評價 此模型已比較好,也利用蒙特卡羅方法即做蒙特卡羅實驗(在這里重復100次)驗證估計系數(shù)的無偏性,驗證如所期待的那樣都說明用最小二乘估計出的系數(shù)估計量是無偏的,也就是最優(yōu)的。表2—13 圖2—4圖描繪了標準化預測因變量與標準化殘差的散點圖,圖中各點隨機分布在一條穿過零點的水平直線的兩側(cè),說明殘差的分布是常數(shù),即說明殘差方差齊性。表2—11表中顯示回歸模型中的回歸系數(shù)是:Constant(常數(shù)項)為,自變量系數(shù)為,由此可知該分析的非標準化回歸方程可以寫為: ,標準化回歸方程為:。把算得的的值導入窗口,再與原來做最小二乘回歸,過程與第一次建立模型時一樣,得到結果如表、所示,得到新的散點圖,如圖,回歸直線圖如圖。 從而得到一組的隨機數(shù)據(jù),將新產(chǎn)生的隨機數(shù)代入已建立的模型,此過程在Eviews軟件中進行,打開Eviews窗口,執(zhí)行FileNewWorkfile,在Workfile Range窗口下的Workfile frequency欄下選擇Undated or irregular,在Start date矩形框中輸入,End date矩形框中輸入;然后在命令窗口輸入 得到系列、(即得到的新的樣本值)。 蒙特卡羅實驗:給定的值,從的正態(tài)分布中抽取隨機數(shù),將這些隨機數(shù)和的值代入回歸模型(1)中,計算相應的值,這是我們從回歸模型(1)中抽取的樣本,再與進行最小二乘估計,產(chǎn)生新的樣本回歸模型,這一過程稱為蒙特卡羅實驗。從圖中可以看出,代表殘差值的點分布在對角線兩旁,可以判定殘差是近似服從正態(tài)分布的,從而證明樣本是近似來自正態(tài)分布的總體。表中依次列出了所有異常值的編號、標準化殘差大小、因變量取值、因變量的預測值以及殘差,從表可以看出所用的數(shù)據(jù)異常值不是很多,只有4個。④ 回歸系數(shù)估計及其檢驗表,如表所示。②模型擬合的總體情況表,如表所示。 Plots將ZPRED(標準化預測值)選入框中,把ZRESID(標準化殘差)移入框中Normal probability plot、Histogram,以便檢驗殘差的正態(tài)性和方差齊性。 的估計 ,的方差都含有隨機擾動項的方差,而總體隨機擾動項的實際上是未知的,因此實際上無法計算和真實值的方差,這就需要對進行估計。因此從理論上說,的取值應在之間,其值越接近于,說明相關程度越高。反之,回歸變差在總變差中所占的比例越小,則說明值隨值的變化越不顯著,或者說解釋的能力很差。另一部分變差是設定的回歸方程所不能解釋的,稱為剩余變差,用表示。根據(jù)最小二乘法建立回歸直線的原則就是:使得估計值與的離差平方和最小。通過這些數(shù)據(jù)即可得到回歸函數(shù)的估計,即 (1—2)其中和分別作為和的估計值,就是稱為關于的一元線性回歸方程,其圖形是回歸直線。(3)與自變量相互獨立。(2)隨機變量與相互獨立。而且對這些參數(shù)估計時,必須在滿足一些基本假設條件下進行。一元線性回歸模型準確地表示了自變量與因變量的線性相關關系。 一元線性回歸分析 回歸模型簡介如果一個自變量(解釋變量)與一個因變量(被解釋變量)所形成的的關系是線性相關關系,即值隨著的改變而改變,則可以通過建立一元線性模型來描述與的關系。假設汽車車輪下未墊鋼板時測得的數(shù)據(jù)用變量來表示,車輪下墊鋼板時測得的數(shù)據(jù)用變量來表示。 關鍵字:統(tǒng)計檢驗;蒙特卡羅方法;一元線性回歸模型;汽車彎沉值IIRationality of regression model research based on Monte Carlo method Abstract:Based on the data of car wheel deflection value of the literature to carry on the model analysis, this paper finds that the model assumption of normality has some this basis, the new model is established with the MonteCarlo method to regenerate a new sample and finds the new model and the model in the literature have , the paper draw a conclusion that the original model of the normality assumption