回归分析应用中的误区.pdfVIP

问 题 研 究 回归分析应用中的误区 上海财经大学　　张尧庭 　　回归分析是统计方法中最易接受和广泛应用的方 logy = log c + alog x 法 。正因为如此, 它也最容易被误用。从国内一些杂志、 把logy 与log x 分别看作变量 u 和 v , 注意到log c 是一个 书刊、论文中看到的应用回归分析解决的问题, 有的确 常数, 因此上述关系也就是 实很好, 但也不得不说有些是不行的, 甚至分析结果已 u = b + av 显示回归方程是有问题的, 而文章还在作种种推论。因 即 u 与 v (logy 与 log x) 是线性相关的。反过来说, 若 此我想在这里就发现的一些问题, 结合国内外已有的 logy 与log x 线性相关程度较高, 就反映了 y 与x 之间有 一些研究工作和有意思的观点, 谈谈自己的认识。我所 幂函数的联系。 针对的是问题, 而不是某本书、某篇论文, 因此不涉及 从这一段的论述就可看出, 如果认为 y 与x 之间有 具体的例子, 而只是就理论和方法来加以说明, 希望对 某一种确定函数关系能反映它们之间的联系, 将这个 以后应用回归分析的人能有一点帮助, 从而减少误用 函数明确表示出来写成 的现象, 提高应用水平。 y = f ( x , θ) 回归分析在社会经济中的应用有两个方面是常见 的形式, 应将 f ( x , θ) 看作一个变量 z , 而讨论 y 与 的:一个是探讨变量之间是否相关; 一个是用来作预测 f ( x , θ) 线性相关的程度, 也即 y 与 z 的相关系数。因此 和控制。现在分别来讨论有关的问题。 多元相关系数在多元线性回归中起的作用也是这样, 1 、相关性和相关系数 　在回归分析中经常用 即上述的 f ( x , θ) 是 x 为向量, θ为向量, 函数是线性 相关系数来描述两个变量之间的相关程度, 相关系数 的, 小是不是反映了两个变量之间是不相关的, 甚至是独 记 θ θ θ θ θ y = 0 + 1 x 1 + 2 x 2 + …+ k x k = 0 + z 立的呢 ?其实并不是这样简单。 ( ) 多元相关系数 或称全相关系数 Ry , ( x …x ) 反映的是 y 相关系数比较完整的说法应该是线性相关系数, 1 k ( θ θ ) 它反映两个变量之间线性相关的程度, 不能反映两个 与 z = 1 x 1 + …+ k x k 这两个变量之间线性相关的 变量之间非线性的相关程度, 更不能反映在通常意义 程度, 它不能反映 y 与某个 x i 的相关性, 更不是 y 与每 下两个变量是否有关, 所以它的功能是有限的, 不能予 个 x i 相关的迭加而成的。 以夸大。 一般地说, y 与 x 的非线性相关的程