上一张 下一张 主 页 退 出 散点图可直观地、定性地表示了两个变量之间 的关系。为了探讨它们之间的规律性，还必须 根据观测值将其内在关系定量地表达出来。 ① 两个变量间有关或无关；若有关，两个变量 间关系类型，是直线型还是曲线型； 由散点图（图6-1）可以看出： ② 两个变量间直线关系的性质（是正相关还是 负相关）和程度（是相关密切还是不密切）；
上一张 下一张 主 页 退 出 散点图可直观地、定性地表示了两个变量之间 的关系。为了探讨它们之间的规律性，还必须 根据观测值将其内在关系定量地表达出来。 ① 两个变量间有关或无关；若有关，两个变量 间关系类型，是直线型还是曲线型； 由散点图（图6-1）可以看出： ② 两个变量间直线关系的性质（是正相关还是 负相关）和程度（是相关密切还是不密切）；
由于依变量y的实际观测值总是带有随机误 差，因而依变量y的实际观测值yi可用自变量x的 实际观测值xi表示为： i i i y = + x + （i=1,2, ., n） （6-1） 若呈因果关系的两个相关变量y（依变量）与 x（自变量）间的关系是直线关系，那么，根 据n对观测值所描出的散点图，如图6-1（b）和 图6-1（e）所示。 式中：α，β为未知参数， i为相互独立，且服从N （0， 2）的随机变量。这就是直线回归的数学模型
由于依变量y的实际观测值总是带有随机误 差，因而依变量y的实际观测值yi可用自变量x的 实际观测值xi表示为： i i i y = + x + （i=1,2, ., n） （6-1） 若呈因果关系的两个相关变量y（依变量）与 x（自变量）间的关系是直线关系，那么，根 据n对观测值所描出的散点图，如图6-1（b）和 图6-1（e）所示。 式中：α，β为未知参数， i为相互独立，且服从N （0， 2）的随机变量。这就是直线回归的数学模型
总体线性回归模型的图示 Y X i i i y = + x + i x yx = + 观察值 观察值
总体线性回归模型的图示 Y X i i i y = + x + i x yx = + 观察值 观察值
总体线性回归模型 i i i y = + x + 因变量 自变量 参数 随机误差 yx y条件平均数
总体线性回归模型 i i i y = + x + 因变量 自变量 参数 随机误差 yx y条件平均数
上一张 下一张 主 页 退 出 设回归直线方程为: y ˆ = a + bx （6-2） 2.1.2 参数α，β的估计 其中， 是α的估计值，b是β的估计值。 最小二乘估计法 a
上一张 下一张 主 页 退 出 设回归直线方程为: y ˆ = a + bx （6-2） 2.1.2 参数α，β的估计 其中， 是α的估计值，b是β的估计值。 最小二乘估计法 a