案例引入.pptVIP

7.1 概述 7.2 一元线性回归分析法 7.3 多元线性回归分析法 7.4 非线性回归分析法 7.1 概述 7.1 概述 7.1 概述 7.1 概述 7.2 一元线性回归分析法 7.3 多元线性回归分析法 7.4 非线性回归分析法 7.2.1 设定回归方程 两个定距变量的回归是用函数y= f（x）来分析的。 我们最常用的是一元回归方程 7.2.1 设定回归方程 7.2.1 设定回归方程 7.2.1 设定回归方程 7.2.2 确定回归系数 7.2.2 设定回归方程 用SPSS软件实现演示(在变量窗口中建立变量） 7.2.2 设定回归方程 7.2.2 设定回归方程 7.2.2 设定回归方程 7.2.2 设定回归方程 7.2.2 设定回归方程 7.2.2 设定回归方程 7.2.3 相关性检验 1.相关性检验的含义 对回归模型描述实际数据的近似程度，也即对所得的回归模型的可信程度进行检验，称为相关性检验。 7.1 概述 7.2 一元线性回归分析法 7.3 多元线性回归分析法 7.4 非线性回归分析法 多元线性回归例题1 土地问题是当今世界令人瞩目的重大经济问题，人口和经济发展都和土地之间存在着密不可分的联系。人口数（X1）、粮食总产量（X2）和粮食作物面积（X3）是影响土地面积（Y）的重要因素。因变量土地面积与三个自变量之间呈线形相关，因此用三元线形回归方程来分析。某地区的基本数据见 　 　 　 　 用SPSS进行求解(在变量窗口中建立变量） 　 　 　 　 用SPSS进行求解(在数据窗口中输入数据） 　 　 　 　 用SPSS进行求解(分析-回归分析-线性） 　 　 　 　 用SPSS进行求解(选择变量） 　 　 　 　 用SPSS进行求解 　 　 　 　 回归系数 相关系数 多元线性回归例题2 某地区1973年到1990年水稻产量和水稻播种面积、化肥使用量、生猪存栏数以及水稻扬花期降水量的数据资料，数据中有18个观测样本，代表了1973到1990共18个年份，有7个属性变量：id（序号）、x1（水稻播种面积）、x2（化肥使用量）、x3（生猪存栏数）、x4（水稻扬花期降水量）、y水稻产量、year（年份）。 问题：用线性回归分析为该地区水稻产量寻求一个恰当的回归模型，分析产量对它具有显著影响因素之间的关系。 　 　 　 　 　 　 　 　 均值 标准差 观测量总数 描述性统计量解读： 　 　 　 　 从表中看到Y（水稻总产量）与自变量X1，X2，X3之间相关系数一次为 0.798，0.913，0.887，反映水稻总产量与播种面积、化肥施用量、生猪 存栏数之间存在显著的相关关系。化肥使用量（X2）对粮食作物产量的 增长有显著的作用；自变量X4与因变量Y之间的相关系数为0.293，它与 其他几个自变量之间的相关系数也很小，说明他们之间的线性相关不显著。 这反映降水过程作为完全随机自然现象，与生产活动中人为控制的自变量 之间的关系本来就应该是相互独立的。 相关系数矩阵解读： 　 　 　 　 此外，播种面积X1与化肥施用量X2、生猪存栏数X3之间的相关系数分别为 0.774和0.782，说明它们之间存在较为显著的相关关系，这也符合常识。 化肥施用量X2与生猪存栏数X3之间的相关系数为0.826，说明两者关系也 是显著的。 　 　 　 　 该表说明模型整体拟合效果，模型的拟合优度系数为 0.956，反映了因变量与自变量之间具有高度显著的线 性关系。 模型表解读： 调整后的R2 调整后R值估计标准误差 本章重点 什么是回归分析法？它与相关分析有何联系和区别 回归分析法主要解决哪两个问题？ 简述回归分析法的工作步骤。 以一元线性回归分析为例，说明为何及如何进行相关性检验。 实践问题讨论 请同学结合自己的课题,分析是否可以采用 回归分析的方法?自变量和因变量分别是什 么? * 第七章　回归分析法 * 第七章 回归分析法 案例引入 2007年的统计数据表明：首都机场全年出港航班正常率为86.28%，其中，衡量航班起飞情况的航班放行正常率高达94.49%。中国民航总局代局长李家祥表示我国航空公司的正点率，在世界来说，这个比例属于中等水平，略微偏上。但是近两年因航班延误造成的旅客与航空公司激烈冲突接连不断，如果按航班延误每客补偿200元计，仅南航一家2007年就要付出1.6亿元的巨额赔款，这对于还属于“投入大，产出低”的国内航空公司而言是难以承受的，其结果必然导致企业为减少成本而降低服务，引发恶性竞争。为此，对于航空公司航班正点率和顾客投诉率之间关系的研究就显得至关重要。 1.回归