回归分析预测方法概述.pptVIP

3.1 引言 3.1 引言—回归分析和相关分析 （1）函数关系。 函数关系反映客观事物之间存在着严格的依存关系。 在这种关系中，当一个或几个变量取值一定时，另一个变量有确定的值与之相对应，并且这种关系可以用一个确定的数学表达式反映出来。 例如: A. 某种商品的销售收入Y与该商品的销售量X以及该商品的价格P之间的关系可以用Y=PX表示。 B. 圆面积S与半径r之间的关系S=πr2等等。 3.1 引言—回归分析和相关分析 （2）相关关系。相关关系反映的是客观事物之间的非严格、不确定的线性依存关系。 特点： A. 客观事物之间在数量上确实存在一定的内在联系。表现在一个变量发生数量上的变化，要影响另一个变量也相应地发生数量上的变化。例如劳动生产率的提高会降低成本等等。 B. 客观事物之间的数量依存关系不是确定的，具有一定的随机性。表现在当一个或几个相互联系的变量取一定数值时，与之对应的另一个变量可以取若干个不同的数值。这种关系虽然不确定，但因变量总是遵循一定规律围绕这些数值的平均数上下波动。 3.1 引言—回归分析和相关分析 3.1 引言—回归分析和相关分析 回归分析与相关分析 回归分析与相关分析都是研究和测度两个或两个以上变量之间关系的方法。 相关分析是以相关关系为对象，研究两个或两个以上随机变量之间线性依存关系的紧密程度。通常用相关系数表示，多元相关时用复相关系数表示。 回归分析是对具有相关关系的变量之间的数量变化规律进行测定，研究某一随机变量（因变量）与其他一个或几个普通变量（自变量）之间的数量变动关系，并据此对因变量进行估计和预测的分析方法。由回归分析求出的关系式，称为回归模型。 3.1 引言—回归分析和相关分析 3.1 引言 回归模型的种类: (1)根据自变量的多少，有 一元回归模型 多元回归模型 (2)根据回归模型的形式线性与否,有 线性回归模型 非线性回归模型 3.1 引言 (3)根据回归模型所含的变量是否有虚拟变量，分为 普通回归模型 带虚拟变量的回归模型 (4)根据回归模型是否用滞后的因变量作自变量，分为 无自回归现象的回归模型 自回归模型 3.2 一元线性回归预测法 3.2 一元线性回归预测法—模型构建 3.2 一元线性回归预测法—模型构建 为什么引入随机扰动项 表示被解释变量y与解释变量x的不确定性关系 模型不可能包含所有变量，次要变量要省略 确定模型数学形式肯定会有误差 样本数据会有测量误差 一些随机因素无法选入模型 3.2 一元线性回归预测法—模型构建 包含的主要内容： （1）模型中省略的次要变量； （2）确定模型数学形式的误差； （3）样本点的测量误差； （4）一些随机因素。 特性是： （1）是众多因素的影响代表； （2）对被解释变量Y影响方向是各异的，有正有负； （3）对被解释变量Y影响平均可能是0； （4）是非趋势性的随机变量。 3.2 一元线性回归预测法—模型构建 3.2 一元线性回归预测法—模型构建 3.2 一元线性回归预测法 3.2 一元线性回归预测法—参数估计 3.2 一元线性回归预测法—参数估计 3.2 一元线性回归预测法—参数估计 3.2 一元线性回归预测法—参数估计 3.2 一元线性回归预测法 3.2 一元线性回归预测法—相关系数 3.2 一元线性回归预测法—相关系数 3.2 一元线性回归预测法—相关系数 3.2 一元线性回归预测法 3.2 一元线性回归预测法 3.2 一元线性回归预测法—相关系数 3.2 一元线性回归预测法 显著性检验 相关系数检验法 F检验法 t检验法 3.2 一元线性回归预测法—显著性检验 假设检验 ：根据样本所提供的信息，对未知总体分布的某些方面的假设作出合理的判断。 （1）假设检验的步骤： 第一，根据实际问题的要求提出一个论断，称为原假设H0 ； 第二，假定H0 成立，构造统计量，进行推断； 第三，根据推断结果对H0 的真伪进行判断，作出拒绝或接受H0的判断。 （2）假设检验的基本思想：为了检验原假设H0成立是否正确，先假定H0 成立，看由此能推出什么结果。如果推出一个不合理的结果，则“原假设H0成立”是错误的，拒绝原假设H0 ；反之，则“原假设H0成立”是正确的，接受原假设H0 。 （3）基本思想的根据是小概率事件原理：“小概率事件在一次试验中几乎是不可能发生的。” 3.2 一元线性回归预测法—显著性检验 3.2 一元线性回归预测法—显著性检验 3.2 一元线性回归预测法—显著性检验 为什么需要进行方程的F检验？ 方程的显著性检验，是指对模型中被解释 变量与解释变量之间的线性关系在总体上是否显著成立（即以多大的可能性成立