统计学 教学课件 作者 葛新权 主编 第八章 相关与回归分析.pptVIP

第八章 相关与回归分析 内容要点 相关分析 一元线性回归分析 多元线性回归分析 可线性化的回归分析 1. 相关分析 变量间的关系 确定性关系 / 函数关系 出租汽车费用与行驶里程： 总费用=行驶里程 ? 每公里单价 非确定性关系 / 相关关系 家庭收入与恩格尔系数： 家庭收入高，则恩格尔系数低。 相关关系的种类 散点图 相关系数 协方差 协方差(covariance)：两个变量与其均值离差乘积的平均数，是相互关系的一种度量。 相关系数 相关系数 相关系数（correlation coefficient）:协方差与两变量标准差乘积的比值，是没有量纲的、标准化的协方差。 相关系数 相关系数的常用算法 相关系数 取值及其意义 相关系数 对相关系数判断准则 r?在0.3以下，称为无线性相关； r ?在0.3和0.5之间，称为低度线性相关； r ?在0.5和0.8之间，称为显著线性相关； r ?在0.8和1之间，称为高度线性相关. 相关系数 相关系数的检验 在实际的分析研究中，相关系数一般是利用样本数据计算的，由于样本的不同，结果带有一定的随机性。样本容量越小，可信性越差，因此需要进行检验。建立原假设： H0： =0 H1： ≠0 利用t 检验，建立 t 统计量： ~ t(n-2) 2. 一元线性回归分析 什么是回归分析 回归分析的概念 从一组样本数据出发，确定变量之间的数学关系式 对这些关系式的可信程度进行各种统计检验，并从影响某一特定变量的诸多变量中找出哪些变量的影响显著，哪些不显著 利用所求的关系式，根据一个或几个变量的取值来预测或控制另一个特定变量的取值，并给出这种预测或控制的精确程度 什么是回归分析 回归分析与相关分析的区别 相关分析中，变量 x 变量 y 处于平等的地位；回归分析中，变量 y 称为因变量，处在被解释的地位，x 称为自变量，用于预测因变量的变化 相关分析中所涉及的变量 x 和 y 都是随机变量；回归分析中，因变量 y 是随机变量，自变量 x 可以是随机变量，也可以是非随机的确定变量 相关分析主要是描述两个变量之间线性关系的密切程度；回归分析不仅可以揭示变量 x 对变量 y 的影响大小，还可以由回归方程进行预测和控制 回归模型的类型 一元线性回归模型 一元线性回归的含义 涉及一个自变量的回归 因变量y与自变量x之间为线性关系 被预测或被解释的变量称为因变量(dependent variable)，用y表示 用来预测或用来解释因变量的一个或多个变量称为自变量(independent variable)，用x表示 因变量与自变量之间的关系用一个线性方程来表示 一元线性回归模型 回归模型 描述因变量 y 如何依赖于自变量 x 和误差项? 的方程称为回归模型 一元线性回归模型可表示为 y = b0 + b1 x + e y 是 x 的线性函数(部分)加上误差项 线性部分反映了由于 x 的变化而引起的 y 的变化 误差项 ? 是随机变量 反映了除 x 和 y 之间的线性关系之外的随机因素对 y 的影响 是不能由 x 和 y 之间的线性关系所解释的变异性 ?0 和 ?1 称为模型的参数 一元线性回归模型 基本假定 误差项ε是一个期望值为0的随机变量，即E(ε)=0。对于一个给定的 x 值，y 的期望值为E ( y ) =? 0+ ? 1 x 对于所有的 x 值，ε的方差σ2 都相同 误差项ε是一个服从正态分布的随机变量，且相互独立。即ε~N( 0 ,σ2 ) 独立性意味着对于一个特定的 x 值，它所对应的ε与其他 x 值所对应的ε不相关 对于一个特定的 x 值，它所对应的 y 值与其他 x 所对应的 y 值也不相关 一元线性回归模型 回归方程 描述 y 的平均值或期望值如何依赖于 x 的方程称为回归方程 一元线性回归方程的形式如下 E ( y ) = ?0+ ?1 x 方程的图示是一条直线，也称为直线回归方程 ?0是回归直线在 y 轴上的截距，是当 x=0 时 y 的期望值 ?1是直线的斜率，称为回归系数，表示当 x 每变动一个单位时，y 的平均变动值 一元线性回归模型 估计的回归方程 回归模型的参数估计 最小二乘估计 回归模型的参数估计 最小二乘估计 回归模型的参数估计 最小二乘估计 回归方程的检验 回归方程拟合程度的评价—离差 因变量 y 的取值是不同的，y 取值的这种波动称为离差。离差来源于两个方面 由于自变量