北京大学课件统计学课件2.pptVIP

一元线性回归模型 yc=a+bx 一元线性回归模型的拟合优度评价 判定系数r2 r2=1 x与y为确定的函数关系 r2=0 x与y不存在线性依存关系 0r21 线性拟合较好 一元线性回归模型的显著性检验 检验的步骤： 提出假设：H0:β=0；H1:β≠0 计算检验的统计量： 3．确定显著性水平α，并作出决策 若∣t ∣ Zα/2、tα/2，拒绝H0 若∣t∣ Zα/2 、tα/2，接受H0 P212-3 简单线性相关与一元线性回归例题 P181 6-2：为了了解一家商店面积规模大小与年销售额的关系，抽取了15家商店的样本，α=0.05，数据如下： 650 405 15 368 172 1 665 281 3 … … … 1170 584 13 408 350 14 164 规模x(m2) 389 年销售额y(万元) 2 商店 散点图 P182 =‥=0.8814 说明15家商店规模与年销售额之间存在着显著的正相关关系 P181 6-2： =‥=0.8814 说明r是显著的，商店规模与年销售额之间存在着线性相关关系 H0:ρ=0；H1:ρ≠0，检验统计量： ∣t ∣ t0.025(13)=2.16，拒绝H0 593 304.07 均值 年销售额y(万元) 规模 x(m2) 编号 212664.8 419306.47 112371.67 xy y2 x2 593 304.07 均值 年销售额y(万元) 规模 x(m2) 编号 212664.8 419306.47 112371.67 xy y2 x2 建立一元线性回归方程：yc=a+bx 计算a，b 得到回归方程：yc=99.01+1.6246x 593 304.07 均值 年销售额y(万元) 规模 x(m2) 编号 212664.8 419306.47 112371.67 xy y2 x2 回归方程：yc=99.01+1.6246x 说明：在15家商店的年销售额变动中，有77.68%可解释为规模大小变化引起的。表明两变量存在很强的线性相关 n=15 α=0.05 b=1.6246 a=99.01 假设：H0:β=0；H1:β≠0 检验的统计量： 则商店规模x和年销售额y： y=99.01+1.6246x ∵t t0.025(13)=2.1604 ∴拒绝H0，样本回归系数是显著的 第7章 时间数列 1 2 3 时间数列的种类与编制方法 动态数列分析指标 长期趋势的测定 4 时间数列预测方法 5 季节变动的测定 概念 把反映某种现象的同一指标，在不同时间上的指标数值，按时间先后顺序编排所形成的数列。 基本要素 现象所属的时间 反映在现象所属时间的发展水平——统计指标数值 时间数列的概念 时期数列 时点数列 时间数列的种类 绝对数时间数列 相对数时间数列 平均数时间数列 编制时间数列的方法原则 1．总体范围应一致 2．指标内容应相同 3．时期数列的时期长短应一致， 时期数列和时点数列的间隔力求一致。 4．指标的计算方法、计算价格和计量单位应一致。 可比性 动态数列分析指标——水平指标 分类 环比增长量 定基增长量 平均增长量 绝对数时间数列的序时平均数 相对数时间数列的序时平均数 平均数时间数列的序时平均数 序时平均数α （动态平均数） （平均发展水平） 增长量? 绝对数时间数列序时平均数 时期数列 间隔相等连续时点的时点数列 间隔不等连续时点的时点数列 间隔相等不连续时点的时点数列 间隔不相等不连续时点的时点数列 ti —与现象各期水平相应的时间距离 水平指标——序时平均数 绝对数时间数列 相对数时间数列 平均数时间数列 前提：c=a/b 分子 和分母 按各自 数列的指标形式 参照(1)——(5)求序时平均数 例：某企业产值和职工人数资料如下表，计算该企业的年平均劳动生产率。 某企业职工人数与总产值统计表 885 106.86 870 98.25 880 108.24 850 90.10 830 83.83 810 76.14 810 73.71 790 70.61 年末职工人数(人) 总产值(万元) 1998 1997 1996 1995 1994 1993 1992 1991 时间 水平指标——增长量? 环比增长量 定基增长量（累计增长量） 表明该指标在一段时期内增长的绝对量 =报告期发展水平—基期发展水平 ?0，增加；?0，减少 ★ ①累计增长量=∑逐期增长量 ②两个