所有的 的分布的均值都正好在一条直线上,称之为总体的(真实的)回归直线;
所有的分布都有同样的形状;
随机变量 是相互独立的;
给定 X 时 分布的形状是正态的,即 服从正态分布。
满足这些条件的回归模型称为一元线性回归模型。
根据样本观测值,采用最小二乘法,得到了一条估
计的样本回归直线 。
线性方程的显著性检验
关于回归系数b的统计推断
线性方程的显著性检验的方法有:
方差分解法
相关分析法
F检验
t检验
D-W检验
测试代码:
package com.fxl;
public class RegressionAnalysis {//一元线性回归分析
/**
* 一元线性回归分析某家庭月可支配收入
* y=ax+b
*
* y表示月消费支出,x表示月可支配收入
*/
public static void main(String[] args) {
float x[]={2.0f,2.5f,3.0f,3.5f,4.1f,4.5f,5.0f,5.5f,5.9f,6.5f}; //月可支配收入
float y[]={1.5f,2.1f,2.4f,2.5f,2.9f,3.1f,3.2f,3.5f,3.7f,4.5f}; //月消费支出
float a,b,sum1=0,sum2=0;
for (int i = 0; i <y.length; i++) {
sum1+=(x[i]-avg(x))*(y[i]-avg(y));
sum2+=(x[i]-avg(x))*(x[i]-avg(x));
}
a=sum1/sum2;
b=avg(y)-a*avg(x);
System.out.println("一元系数:"+a);
System.out.println("常量:"+b);
}
public static float avg(float a[]){//求算术平均值
float avg=0,sum = 0;
for (int i = 0; i < a.length; i++) {
sum+=a[i];
}
avg=sum/a.length;
return avg;
}
}
测试结果:
一元系数:0.5640899
常量:0.54261804