第四章相关与回归.pptVIP

第四节　非线性相关与回归分析 一、非线性函数形式的确定 在对实际的客观现象进行定量分析时，选择回归方程的具体形式应遵循以下原则： 首先，方程形式应与有关实质性科学的基本理论相一致。例如，采用幂函数的形式，能够较好地表现生产函数；采用多项式方程能够较好地反映总成本与总产量之间的关系等等。 其次，方程有较高的拟合程度。因为只有这样，才能说明回归方程可以较好地反映现实经济的运行情况。 最后，方程的数学形式要尽可能简单。如果几种形式都能基本符合上述两项要求，则应该选择其中数学形式较简单的一种。一般来说，数学形式越简单，其可操作性就越强。 （一）抛物线函数 （二）双曲线函数 （三）幂函数 （四）指数函数 （五）对数函数 （六）Ｓ形曲线函数 （七）多项式方程 几种常见的非线性模型 ? 指数函数 线性化方法 两端取对数得：lny = ln? + ? x 令：y = lny，则有y = ln? + ? x 基本形式： 图像 ? ? ? ? ? ? 几种常见的非线性模型 ? 幂函数 线性化方法 两端取对数得：lg y = lg? + ? lg x 令：y = lgy，x= lg x，则y = lg? + ? x 基本形式： 图像 0? 1 ? ? 1 ? = 1 -1? 0 ? -1 ? =-1 几种常见的非线性模型 ? 对数函数 线性化方法 x= lgx , 则有y = ? + ? x 基本形式： 图像 ? ? 0 ? 0 几种常见的非线性模型 ? S 型曲线 线性化方法 令：y = 1/y，x= e-x, 则有y = ? + ? x 基本形式： 图像 非线性回归（实例） 【例】为研究生产率与废品率之间的关系，记录数据如下表。试拟合适当的模型。 废品率与生产率的关系 生产率（周/单位) x 1000 2000 3000 3500 4000 4500 5000 废品率（%） y 5.2 6.5 6.8 8.1 10.2 10.3 13.0 非线性回归（实例） 生产率与废品率的散点图 非线性回归（实例） 用线性模型：y =?0??1x+? ，有 　　　y = 2.671+0.0018x 用指数模型：y = ?? x ，有 　　　　y =4.05?(1.0002)x 比较 　　　　直线的残差平方和＝5.3371指数模型的残差平方和＝6.11。直线模型略好于指数模型 * * * * * 139 * * * * * * * * * * * * 3.相关系数的特点 （1）ｒ的取值介于－１与１之间， r 的取值范围是 [-1,1] （2）在大多数情况下，０＜|ｒ|＜１，即Ｘ与Ｙ的样本观测值之间存在着一定的线性关系，当ｒ＞０时，Ｘ与Ｙ为正相关，当ｒ＜０时，Ｘ与Ｙ为负相关。 |ｒ|的数值愈接近于1，表示x与y直线相关程度愈高；反之， |ｒ|的数值愈接近于0，表示x与y直线相关程度愈低。通常判断的标准是: |ｒ|＜0.3称为微弱相关，0.3≤ |ｒ|＜0.5称为低度相关，0.５≤ |ｒ|＜0.8称为显著相关 ，0.8≤ |ｒ|＜1称为高度相关或强相关。 （3）如果|ｒ|=1，则表明Ｘ与Ｙ完全线性相关，当ｒ=1时，称为完全正相关， 而ｒ=-1时，称为完全负相关。 （4）ｒ是对变量之间线性相关关系的度量。 ｒ=0只是表明两个变量之间不存在线性关系，它并不意味着Ｘ与Ｙ之间不存在其他类型的关系。 相关关系的测度（相关系数取值及其意义） -1.0 +1.0 0 -0.5 +0.5 完全负相关 无线性相关 完全正相关 负相关程度增加 r 正相关程度增加 相关系数只度量变量间的线性关系，因此，弱相关不一定表明变量间没有关系； 极端值可能影响相关系数。 警惕伪相关。 相关关系可能是伪相关，即两变量的相关只是表面上的,它实际上由第三变量引起，当第三变量消失时,相关关系亦随之消失。 请看下例。 伪相关的例子：教堂数与监狱服刑人数同步增长 美国印第安纳州的地区教会想要筹款兴建新教堂，提出教堂能洁净人们的心灵，减少犯罪，降低监狱服刑人数的口号。 为了增进民众参与的热诚和信心，教会的神父收集了近15年的教堂数与在监狱服刑的人数进行统计分析。 结果却令教会大吃一惊。最近15年教堂数与监狱服刑人数呈显著的正相关。 那么是否可以由此得出，教堂建得越多，就可能带来更多的犯罪呢？ * * 经过统计学家和教会神父深入讨论，并进一步收集近15年的当地人口变动资料和犯罪率等资料作进一步分析，发现： 监狱服刑人数的增加和教堂数的增加都与人口的增加有关。 教堂数的增加并非监狱服刑人数增加的原因。 至此，教会人士总算松了一口气。 * * 还可以有： 1 2 3 4 第三节 简单线性回归分析 相关分析与回归分析的关系 一元线性回归模型 拟合程度的评价 估计标准误 * * 1