第六章 相关与回归分析.pptVIP

第六章 相关与回归分析 第一节 相关与回归分析的基本概念 (1学时) 第二节 一元线性回归分析 (4学时) 第三节 多元线性回归分析 (2学时) 第四节 非线性回归分析 (1学时) 第五节 相关分析 (1学时) 　第一节 相关与回归分析的基本概念 一、 函数关系与相关关系 二、相关关系的种类 三、相关分析与回归分析 四、相关表和相关图 一、 函数关系与相关关系 1、函数关系。当一个或几个变量取一定的值时，另一个变量有确定值与之相对应。 2、相关关系。当一个或几个相互联系的变量取一定数值时，与之相对应的另一变量的值虽然不确定，但它仍按某种规律在一定的范围内变化。 客观现象的函数关系可以用数学分析的方法去研究，而研究客观现象的相关关系必须借助于统计学中的相关与回归分析方法。 二、相关关系的种类 按相关的程度可分为完全相关、不完全相关和不相关。一般的相关现象是不完全相关。 按相关的方向可分为：正相关和负相关。 按相关的形式可分为：线性相关和非线性相关。 按变量多少可分为：单相关、复相关和偏相关。一个变量对另一变量的相关关系，称为单相关；一个变量对两个以上变量的相关关系时，称为复相关；在某一现象与多种现象相关的场合，当假定其他变量不变时，其中两个变量的相关关系称为偏相关。　　 三、相关分析与回归分析 相关分析是用一个指标来表明现象间依存关系的密切程度。 回归分析是用数学模型近似表达变量间的平均变化关系。 相关分析可以不必确定变量中哪个是自变量，哪个是因变量，其所涉及的变量都是随机变量。 回归分析必须事先确定具有相关关系的变量中哪个为自变量，哪个为因变量。一般地说，回归分析中因变量是随机的，而把自变量作为研究时给定的非随机变量。 相关分析和回归分析有着密切的联系，它们有共同的研究对象，常常必须互相补充。相关分析需要依靠回归分析来表明现象数量相关的具体形式，而回归分析则需要依靠相关分析来表明现象数量变化的密切程度。只有当变量之间存在着高度相关时，进行回归分析才有意义。 四、相关表和相关图 相关表是一种反映变量之间相关关系的统计表。将某一变量按其取值的大小排列，然后再将与其相关的另一变量的对应值平行排列，便可得到简单的相关表。 相关图又称散点图。它是以直角坐标系的横轴代表变量X，纵轴代表变量Y，将两个变量间相对应的变量值用坐标点的形式描绘出来，用来反映两变量之间相关关系的图形。 第二节 一元线性回归分析 一、标准的一元线性回归模型 二、一元线性回归模型的估计 三、一元线性回归模型的检验 四 、一元线性回归模型预测 一、标准的一元线性回归模型 (一)总体回归函数 　 Ｙt＝β1＋β2Ｘt＋ut　　（6.1） u t是随机误差项，又称随机干扰项，它是一个特殊的随机变量，反映未列入方程式的其他各种因素对Ｙ的影响。 (二)样本回归函数: 　　 　　　　　 ｔ＝１，２，... n ｅt称为残差，在概念上，ｅt与总体误差项ut相互对应；ｎ是样本的容量。 总体回归线与随机误差项 样本回归函数与总体回归函数区别 总体回归线是未知的，只有一条。样本回归线是根据样本数据拟合的，每抽取一组样本，便可以拟合一条样本回归线。 总体回归函数中的β1和β2是未知的参数，表现为常数。而样本回归函数中的 是随机变量，其具体数值随所抽取的样本观测值不同而变动。 总体回归函数中的ut是Ｙt与未知的总体回归线之间的纵向距离，它是不可直接观测的。而样本回归函数中的ｅt是Ｙt与样本回归线之间的纵向距离，当根据样本观测值拟合出样本回归线之后，可以计算出ｅt的具体数值。 误差项的标准假定 假定１： 　　Ｅ（ut）＝０ 假定２： 　　Var(ut)＝Ｅ（ ）＝ 假定３： Cov(utus)＝Ｅ（utus）＝０ ｔ≠ｓ 假定４：自变量是给定变量，与误差项线性无关。 假定５：随机误差项服从正态分布。 满足以上标准假定的一元线性回归模型，称为标准的一元线性回归模型。 二、一元线性回归模型的估计 　（一）回归系数的估计 最小二乘法 设 将Ｑ对求偏导数，并令其等于零，可得: 加以整理后有： 　　　 回归系数的最小二乘估计量 以上方程组称为正规方程组或标准方程组，式中的ｎ是样本容量。 求解这一方程组可得： （二）总体方差的估计 　　　　 上式中，分母是自由度，其中ｎ是样本观测值的个数，２是一元线性回归方程中回归系数的个数。在一元线性回归模型中，残差ｅt