1.本节课内容为数据分析中的【回归分析】,主要分为四个部分进行讲解,具体如下图。
2.【回归分析】的概念如下图,其定量的描述就是通过回归方程,回归方程是描述自变量与不同因变量的统计规律,依赖关系指的是线性和非线性关系。
3.【一元线性回归模型】的样式、条件等如下图。
4.一元线性回归方程【参数估计】即β0余β1的确定值,其公式步骤如下图。
5.一元线性回归的【拟合优度】是用来判定回归直线与观测值的吻合程度,其指标为R的平方。
6.【多元线性回归】是指多个自变量与一个因变量的关系,其复杂性也增加了。
7.多元线性回归方程【参数估计】即βi的确定值,其公式步骤如下图,与一元的估计方法一样。
8.多元线性回归的【拟合优度】如下图,其指标为R的*方,“n-k”是SSR的自由度。
9.【回归方程的检验】是验证方程的有效性,其次验证样本数据估计总体数据的有效性,使用【最小二乘法】估计这些参数,其性质如下图。
10.回归方程的【相关性检验】即为回归方程的显著性检验,对于多元方程通常使用【方差分析-F检验】进行其显著性的检验,“SSR”的自由度在一元中为1,在多元中为K。
11.回归方程的【参数检验】即为回归系数的显著性检验,使用【T-检验】进行假设检验。
12.回归方程的【误差检验】即为残差分析,使用【D-W检验】进行检验。