拟合优度课件.ppt
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《拟合优度课件.ppt》由用户(晟晟文业)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 拟合 课件
- 资源描述:
-
1、拟合优度(或称判定系数、决定系数)n目的:企图构造一个不含单位,可以相互进行比较,而且能直观判断拟合优劣的指标。n拟合优度的定义:n意义:拟合优度越大,自变量对因变量的解释程度越高,自变量引起的变动占总变动的百分比高。观察点在回归直线附近越密集。n取值范围:0-1211RSSESSTSSRSSESSTSSTSSESSRSSTSSTSSR 拟合优度(或称判定系数、决定系数)n判定系数只是说明列入模型的所有解释变量对应变量的联合的影响程度,不说明模型中单个解释变量的影响程度。n对时间序列数据,判定系数达到0.9以上是很平常的;但是,对截面数据而言,能够有0.5就不错了。判定系数达到多少为宜?n没有
2、一个统一的明确界限值;n若建模的目的是预测应变量值,一般需考虑有较高的判定系数。n若建模的目的是结构分析,就不能只追求高的判定系数,而是要得到总体回归系数的可信任的估计量。判定系数高并不一定每个回归系数都可信任;4.3 判定系数和相关系数的关系:(1)联系n数值上,判定系数等于应变量与解释变量之间简单相关系数的平方:2222222222222222()()()()()iiiiiiiiiiiiiyxx yxRyyxyx yrxy判定系数和相关系数的关系:(2)区别判定系数相关系数就模型而言就两个变量而言说明解释变量对应变量的解释程度度量两个变量线性依存程度。度量不对称的因果关系度量不含因果关系的
3、对称相关关系取值:0,1取值:1,1样本判定系数(样本判定系数(Determinants of coefficient)R2随机项随机项的方差的方差2的最小二乘估计量的最小二乘估计量222()11iiiYYESSRSSRTSSTSSy2222iSn拟合优度评价(或称判定系数、决定系数)(或称判定系数、决定系数)R2的其他表示方法221121()niiniixRy2212211()()()niiinniiiix yRxy2212211()()()niiinniiiiy yRyy22121niiniiyRy相关系数n计算方法与样本判定系数密切相关,就是其平方根,只是符号要小心。n含义有所不同:样本
4、判定系数是判断回归方程与样本观测值拟合优度的一个数量指标,隐含的前提条件是X和Y具有因果关系。相关系数是判断两个随机变量线性相关的密切程度,不考虑因果关系。12211niiinniiiix yrxy 注意英文缩写的含义nTSS:Total Square Sum/总离差平方和nRSS:Regression Square Sum/回归平方和Residual Square Sum /残差平方和nESSError Square Sum /误差平方和(残差平方和)Explain Square Sum /解释平方和(回归平方和)假设检验的概念n定义:称对任何一个随机变量未知的分布类型或参数的假设为统计假设
5、,简称假设。检验该假设是否正确称为假设检验。n统计假设,如 H0:p=0.5 (称为原假设)H1:p 0.5 (称为备择假设)“小概率原理”在假设检验中的应用n数理统计学中的“小概率原理”认为:概率很小的事件在一次抽样试验中几乎是不可能发生的。n在H0成立的条件下,统计量落在拒绝域为一个小概率事件,因此,在一次抽样试验中,依据小概率原理,是不会发生的。n要是小概率事件(“统计量落在拒绝域”)居然发生了。那么,只能是提出的假设H0发生了错误,所以必须拒绝H0。显著性水平n是小概率事件发生的概率;在假设检验中也称为检验的显著性水平,简称为检验水平。假设检验的步骤:nStep1:分析问题,提出原假设
6、和备择假设;nStep2:选择和计算统计量U:在原假设成立时,U的分布已知;含有要检验的参数;各个参数应该都是已知的、可求的。nStep3:构造小概率事件:nStep4:判断小概率事件是否发生:nStep5:下结论:若小概率事件发生,拒绝原假设H0;选择备择假设H1。否则,不拒绝原假设。)|(|2/uUP则,没发生。则小概率事件发生。否若,|2/uU 假设检验的具体操作步骤(以正态总体、已知方差,检验均值u为例)n1、提出零假设 H0:=0 H1:0n3、确定显著水平,如=0.05,查表得相应的临界值/2n4、判断和下结论:若|U|/2 ,拒绝H0;若|U|F(1,n-2),则通过方程显著性检
7、验n若 F F(1,n-2),则未通过方程显著性检验1(2)ESSFRSSn221iESSx自由度的分解(1)什么是自由度(2)对应于平方和分解的自由度的分解(1)什么是自由度n模型中样本值可以自由变动的个数,称为自由度n自由度=样本个数 样本数据受约束条件(方程)的个数n例如,样本数据个数为n,它们受k个方程的约束(系数矩阵秩为k),那么,自由度df=n-k举例:TSS、RSS、ESS的自由度1)2()1(,220,0,)()(.1,1,)(22122122122nndfRSSTSSESSndfYneeXYYYRSSndfYnYYYTSSERiiiiiiTii知再由:约束所以,个个方程对方程
8、求出,共有由而所以一个方程的约束受(2)对应于平方和分解的自由度的分解n TSS =ESS +RSS n-1 1 n-2 总自由度dfT 回归自由度dfE 残差自由度dfRn自由度分解:dfT=dfE+dfRF检验与t检验n在一元线性回归模型中两者是一样的,等价的,因为t(n-2)的平方就是F(1,n-2)。但这种关系仅在一元线性回归是如此!n也就是说在一元线性回归模型中,确实不需要用F检验,但当我们考虑多元回归的时候,F检验就不是t检验可以替代的了。六.模型预测点预测(个值和均值的点预测是一样的)0100XY区间估计的概念n所谓区间估计就是以一定的可靠性给出被估计参数的一个可能的取值范围。n
展开阅读全文