八相关与回归.pptVIP

第八章 相关与回归 第八章 相关与回归 第一节 相关分析 相关系数的取值及其意义图示 加入随机误差项的原因 模型不可能包含所有的解释变量； 模型的设定误差； 测量误差的影响； 其他随机因素的影响。 结 束 回归分析 通过一个变量或一些变量的变化解释另一变量的变化 根据变量之间相关关系的具体形态，建立一个数学方程（回归方程）来描述变量之间关系。也即以给定的自变量x，揭示因变量y在数量上的平均变化并求得因变量的预测值的统计分析方法。 一、回归分析的概念与内容 第二节 一元线性回归分析 例如：葛尔登的朋友Pearson收集数据，分析儿子 的身高y和父亲身高x大致关系： y=33.73+0.516x （以英寸为单位） ⒈按自变量的个数分为 ⒉按回归曲线的形态分为 线性回归 非线性回归 多元回归 一元回归 回归分析的种类 二、相关分析与回归分析的关系 第二节 一元线性回归分析 相关分析是回归分析的基础和前提，回归分析则是相关分析的深入和继续。相关分析需要依靠回归分析来表现变量之间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现变量之间数量变化的相关程度。只有当变量之间存在高度相关时，进行回归分析寻求其相关的具体形式才有意义。 在具体应用过程中，相关分析和回归分析应结合使用。 联系： 在相关分析中涉及的变量不存在自变量和因变量的划分问题，变量之间的关系是对等的；而在回归分析中，则必须根据研究对象的性质和研究分析的目的，对变量进行自变量和因变量的划分。因此，在回归分析中，变量之间的关系是不对等的。 区别： 二、相关分析与回归分析的关系 第二节 一元线性回归分析 在相关分析中所有的变量都必须是随机变量；而在回归分析中，自变量是给定的，因变量才是随机的，即将自变量的给定值代入回归方程后，所得到的因变量的估计值不是惟一确定的，而会表现出一定的随机波动性。 区别： 二、相关分析与回归分析的关系 第二节 一元线性回归分析 相关分析主要是通过一个指标即相关系数来反映变量之间相关程度的大小，由于变量之间是对等的，因此相关系数是惟一确定的而在回归分析中，对于互为因果的两个变量 (如人的身高与体重，商品的价格与需求量)，则有可能存在多个回归方程。 区别： 二、相关分析与回归分析的关系 第二节 一元线性回归分析 变量之间是否存在“真实相关”，是由变量之间的内在联系所决定的。相关分析和回归分析只是定量分析的手段，虽然可以从数量上反映变量之间的联系形式及其密切程度，但是无法准确判断变量之间内在联系的存在与否，也无法判断变量之间的因果关系。 局限性： 因此，在具体应用过程中，一定要始终注意把定性分析和定量分析结合起来，在准确的定性分析的基础上展开定量分析。 三、一元线性回归分析模型 第二节 一元线性回归分析 对于经判断具有显著线性关系的两个变量y与x，构造总体一元线性回归模型为： 假定E(ui )=0，有总体线性回归方程 总体线性回归方程的几何意义 截距 斜率 总体线性回归方程的可能形态 ?1为正 ?1为负 ?1为0 一元线性回归方程的参数估计 总体一元线性回归方程: 样本一元线性回归方程: 以样本统计量估计总体参数 表示因变量的估计值（回归理论值）； 是回归直线的起始值（截距），即x为0时y的值，从数学意义上理解，它表示在没有自变量x的影响时，其它各种因素对因变量y的平均影响； 是回归系数 表明自变量x每变动一个单位，因变量y平均变动 个单位。 普通最小二乘法 由于描述n组数据的直线有多条，需要按照一定的原则确定一条最优直线来代表两个变量间的关系。所谓最优直线，是指该直线距离各散点最近，即实际值y与估计值 之间的误差最小。 以上式确定的 与 为回归参数 与 的 最小二乘估计 为回归残差 第八章 相关与回归 §8.1 相关分析 §8.2 一元线性回归分析 相关和回归分析现代统计学中非常重要的内容，是处理变量数据之间的相互关系、测定它们联系的紧密程度、揭示其变化的具体形式和规律性的统计方法，是构造各种经济模型、进行结构分析、政策评价、预测和控制的重要工具。 相关与回归分析已经广泛应用到企业管理、商业决策、金融分析以及自然科学和社会科学等许多研究领域。 函数关系 指现象间所具有的严格的确定性的依存关系，表现为某一现象发生变化时，另一些现象也随之发生变化。而且有确定的值与之相对应。 例如：圆面积S＝πR2，给定R值便有一个确