10回归法解析.pptVIP

多元线性回归例题1 土地问题是当今世界令人瞩目的重大经济问题，人口和经济发展都和土地之间存在着密不可分的联系。人口数（X1）、粮食总产量（X2）和粮食作物面积（X3）是影响土地面积（Y）的重要因素。因变量土地面积与三个自变量之间呈线形相关，因此用三元线形回归方程来分析。某地区的基本数据见 　 　 　 　 用SPSS进行求解(在变量窗口中建立变量） 　 　 　 　 用SPSS进行求解(在数据窗口中输入数据） 　 　 　 　 用SPSS进行求解(分析-回归分析-线性） 　 　 　 　 用SPSS进行求解(选择变量） 　 　 　 　 用SPSS进行求解 　 　 　 　 回归系数 相关系数 多元线性回归例题2 某地区1973年到1990年水稻产量和水稻播种面积、化肥使用量、生猪存栏数以及水稻扬花期降水量的数据资料，数据中有18个观测样本，代表了1973到1990共18个年份，有7个属性变量：id（序号）、x1（水稻播种面积）、x2（化肥使用量）、x3（生猪存栏数）、x4（水稻扬花期降水量）、y水稻产量、year（年份）。 问题：用线性回归分析为该地区水稻产量寻求一个恰当的回归模型，分析产量对它具有显著影响因素之间的关系。 　 　 　 　 　 　 　 　 均值 标准差 观测量总数 描述性统计量解读： 　 　 　 　 从表中看到Y（水稻总产量）与自变量X1，X2，X3之间相关系数一次为 0.798，0.913，0.887，反映水稻总产量与播种面积、化肥施用量、生猪 存栏数之间存在显著的相关关系。化肥使用量（X2）对粮食作物产量的 增长有显著的作用；自变量X4与因变量Y之间的相关系数为0.293，它与 其他几个自变量之间的相关系数也很小，说明他们之间的线性相关不显著。 这反映降水过程作为完全随机自然现象，与生产活动中人为控制的自变量 之间的关系本来就应该是相互独立的。 相关系数矩阵解读： 　 　 　 　 此外，播种面积X1与化肥施用量X2、生猪存栏数X3之间的相关系数分别为 0.774和0.782，说明它们之间存在较为显著的相关关系，这也符合常识。 化肥施用量X2与生猪存栏数X3之间的相关系数为0.826，说明两者关系也 是显著的。 　 　 　 　 该表说明模型整体拟合效果，模型的拟合优度系数为 0.956，反映了因变量与自变量之间具有高度显著的线 性关系。 模型表解读： 调整后的R2 调整后R值估计标准误差 本章重点 什么是回归分析法？它与相关分析有何联系和区别 回归分析法主要解决哪两个问题？ 简述回归分析法的工作步骤。 以一元线性回归分析为例，说明为何及如何进行相关性检验。 实践问题讨论 请同学结合自己的课题,分析是否可以采用 回归分析的方法?自变量和因变量分别是什 么? * * * * * * * * * * * * * 10　回归分析法 10 回归分析法 案例引入 2007年的统计数据表明：首都机场全年出港航班正常率为86.28%，其中，衡量航班起飞情况的航班放行正常率高达94.49%。中国民航总局代局长李家祥表示我国航空公司的正点率，在世界来说，这个比例属于中等水平，略微偏上。但是近两年因航班延误造成的旅客与航空公司激烈冲突接连不断，如果按航班延误每客补偿200元计，仅南航一家2007年就要付出1.6亿元的巨额赔款，这对于还属于“投入大，产出低”的国内航空公司而言是难以承受的，其结果必然导致企业为减少成本而降低服务，引发恶性竞争。为此，对于航空公司航班正点率和顾客投诉率之间关系的研究就显得至关重要。 10.1 概述 10.2 一元线性回归分析法 10.3 多元线性回归分析法 10.1 概述 1.回归分析的内涵 在信息分析研究中，我们经常会发现所研究的对象事物之间往往存在某种相关关系，它们互相联系、互相影响、互相制约。当研究对象的一个或多个变量X1,X2,…,Xm的变化会引起另一个或多个变量Y1,Y2,…,Yn发生变化时，我们就说它们之间存在着某种相关关系。其中诸X带有“原因”的性质，故称为自变量；诸Y带有“结果”的性质，称之为因变量。 10.1 概述 2. 回归分析与相关分析的区别 回归（Regression，或Linear Regression）和相关都用来分析两个定距变量间的关系，但回归有明确的因果关系假设。即要假设一个变量为自变量，一个为因变量，自变量对因变量的影响就用回归表示。如年龄对收入的影响。由于回归构建了变量间因果关系的数学表达，它具有统计预测功能。 3. 回归分析法主要解决以下两个问题 一是确定几个变量(X与Y)之间是否存在因果关系、相关 关系（ X1与X2等），如果存在，找出他们之间适当的数学表达式； 二是根据一个或几个