第七章 相关分析2012-10-08-18-01-35.pptVIP

第七章 相关分析 学习要点 理解相关关系与函数关系的联系和区别, 掌握相关的种类。 理解相关系数的特点和性质。会计算相关系数并会经济应用。 熟练配合直线回归方程并会经济应用, 理解相关分析的特点。 重点 计算配合直线回归方程 难点 计算直线回归方程,回归系数b的应用。 主要学习内容 相关的概念和种类 相关图表和相关系数（相关关系的测度） 回归分析（社会现象因果关系的回归分析） 1 相关的概念和种类 ⑴ 实例 ⑵ 二元总体 ⑶ 相关的概念 指 P70 ⑷ 相关的种类 P173—P174 (指 P70) 例如 ⑸ 相关分析的主要内容 2 相关图表和相关系数 相关表 相关图 相关系数 ? 相关表 ? 相关系数 1 相关系数定义： 是测定变量之间相关密切程度和相关方向的代表性指标。 2 相关系数特点：指 P71 ① 参与相关分析的二个变量是对等的，不分自变量和因变量，∴相关系数只有一个； ② 相关系数有正有负，反映相关关系的方向，正号反映正相关，负号反映负相关； ③ 计算相关系数的二个变量都是随机变量。 3 相关系数的计算公式 4 相关系数的性质 |r|=1 ：x与y为函数关系，完全相关； 0|r|1时，x与y存在一定的线性相关； |r|0.3： x与y为弱相关， 0.3|r|0.5： x与y为低度相关， 0.5|r|0.8： x与y为显著性相关， 0.8|r|1： x与y为高度相关。 要求： 例1 P184 表7—10例2 某部门5个企业产品销售额和销售利润资料如下? 解 ? 回归分析 1 回归分析定义： P189 3 回归的种类 如 4 简单线性回归方程的建立 ① 为什么我们不在阐明非线性回归了？ ② 如何建立一个简单线性回归方程 ③ 直线回归方程中的回归系数和相关系数的关系 ④ 回归分析和相关分析的区别 ① 为什么我们不在阐明非线性回归了？ 回归方程yc=a+bx—简单线性回归方程 式中yc—y的估计值 用最小平方法计算直线参数a、b 注 直线回归方程中的回归系数b与相关系数r的关系： P194 ④ 回归分析和相关分析的区别 (从各自的特点来阐明) P195—196 自学内容 例1 例2 解 例3 练习 解 小结 ⅱ 回归分析是研究二个变量具有因果关系的数学形式，其中因变量y是随机的，自变量x不是随机的，有回归未必有回归分析； ⅲ 相关分析中二个变量是随机变量，各自接受随机因素的影响，有相关就有相关分析； 回归分析对因果关系不甚明确，或可互为自变量的二个变量，相关系数是二个回归系数的几何平均数，相关系数只有一个； ⅳ 回归方程在进行预测估计时，只能给出自变量的数值来估计因变量的可能值，即对y c=a+bx由已知x推算y的估计值y c 。反之不成立 (回归方程的目的). 估计标准误 P197 估计标准误与相关系数的关系 对总体Y的推断 分析总体Y的抽样误差 某企业各月产品销售额和销售利润资料如下： 2 2.2 2.5 2.5 2.8 15 15 20 25 28 1 2 3 4 5 销售利润Y（万元） 产品销售额X（万元） 月份 试计算：⑴ 编制产品销售额与销售利润之间的直线回归方程。 ⑵ 若6月份产品销售额为30万元时，试估计企业产品销售利润。 （要求列表计算所需数据资料，写出公式和计算过程，结果保留四位小数） 解 2.8 28 5 2.5 25 4 12 103 合计 2.5 20 3 2.2 15 2 2 15 1 销售利润(万元) y 产品销售额(万元) x 月份 （1）设配合回归直线方程 yc=a+bx 2259 784 625 400 225 225 x2 253.9 78.4 62.5 50 33 30 xy 故产品销售额与销售利润之间的直线回归方程 yc=1.3947 +0.0488x （2）产品销售额为30万元, x=30代入回归方程 yc=1.3947 +0.0488×30＝2.8587 (万元) 某地区1992—1995年个人消费支出和收入资料如下： 255 289 1995 236 265 1994 218 243 1993 202 225 1992 消费支出(亿元) 个人收入(亿元) 年份 要求: ⑴ 试利用所给资料建立以收入为自变量的直线回归方程;?????⑵ 若个人收入为300亿元时,试估计个人消费支出额。? （要求列表计算所需数据资料，写出公式和计算过程，结果保留四位小数。） (1) 设个人收入为自变量x，消费支出为因变量