实证分析99创新.ppt

通过旋转，因子有了较为明确的含义。 百米跑， 跳远和 400米跑，需要爆发力的项目在 有较大的载荷， 可以称为短跑速度因子； 铅球， 铁饼和 标枪在 上有较大的载荷，可以称为爆发性臂力因子； 百米跨栏， 撑杆跳远， 跳远和为 跳高在 上有较大的载荷， 爆发腿力因子； 长跑耐力因子。 因子得分 前面我们主要解决了用公共因子的线性组合来表示一组观测变量的有关问题。 如果我们要使用这些因子做其他的研究，比如把得到的因子作为自变量来做回归分析，对样本进行分类或评价，这就需要我们对公共因子进行测度，即给出公共因子的值。 因子得分 人均要素变量因子分析。对我国32个省市自治区的要素状况作因子分析。指标体系中有如下指标： X1 ：人口（万人） X2 ：面积（万平方公里） X3 ：GDP（亿元） X4 ：人均水资源（立方米/人） X5：人均生物量（吨/人） X6：万人拥有的大学生数（人） X7：万人拥有科学家、工程师数（人） Rotated Factor Pattern FACTOR1 FACTOR2 FACTOR3 X1 -0.21522 -0.27397 0.89092 X2 0.63973 -0.28739 -0.28755 X3 -0.15791 0.06334 0.94855 X4 0.95898 -0.01501 -0.07556 X5 0.97224 -0.06778 -0.17535 X6 -0.11416 0.98328 -0.08300 X7 -0.11041 0.97851 -0.07246 因子得分 X1=-0.21522F1-0.27397F2+0.89092F3 X2=0.63973F1-0.28739F2-0.28755F3 X3=-0.15791F1+0.06334F2+0.94855F3 X4=0.95898F1-0.01501F2-0.07556F3 X5=0.97224F1-0.06778F2-0.17535F3 X6=-0.11416F1+0.98328F2-0.08300F3 X7=-0.11041F1+0.97851F2-0.07246F3 ? ? ? 高载荷指标 ? 因子命名 ? 因子1 X2；面积（万平方公里） X4:人均水资源（立方米/人） X5:人均生物量（吨/人） 自然资源因子 ? 因子2 X6：万人拥有的大学生数（人） X7：万人拥有的科学家、工程师数（人） ? 人力资源因子 ? 因子3 ? X1;人口（万人） X3:GDP(亿元) 经济发展总量因子 ? * * * * * * * * * * * * * * * * * * * * * * * * 相关分析与回归分析的关系 联系： （1）相关分析是回归分析的基础和前提。 （2）回归分析是相关分析的深入和继续。 因此，如果仅有回归分析而缺少相关分析，将会因为缺乏必要的基础和前提而影响回归分析的可靠性。 如果仅有相关分析而缺少回归分析，就会降低相关分析的意义。只有把两者结合起来，才能达到统计分析的目的。 二、一元线性回归 当两变量x、y 之间存在直线相关关系时，可以用直线方程 表示： 参数a是回归直线的起点值，表现为当时回归直线的y坐标，即y轴上的一个点，数学上叫截距。 参数b 是回归直线的斜率，即回归系数。它代表自变量x每增加一个单位时，因变量y的平均增加值。当b0时，自变量和因变量按相同方向变动，即为正相关，当b0时，自变量和因变量按相反方向变动，即为负相关。b不能判断相关程度. 确定a、b的数值可用最小二乘法。 一元线性回归 Ｅ（Ｙt）＝a＋bＸt X Yt Y 。 。 。 。 。 et 参数的估计 x y a 三、回归分析的步骤 回归分析实例 五位同学的学习时间与学习成绩的数据 （1）建立学习成绩（y）和学习时间（x）的直线回归方程 （一）绘制散点图 （二）建立回归模型 Y=a+bX （2）计算学习时数与学习成绩之间的相关系数（要求列 表计算所需数据资料，写出公式和计算过程，结果保留 两位小数） （三）估计参数 （四）显著性检验 对X和Y之间线性关系的统计显著性进行检验： 零假设：X与Y之间不存在线性关系； 备择假设：二者存在正向或负向的线性关系。 t= b/