第八章 相关与回归分析 《统计学基础》课件.ppt

3. 单相关关系的判定 　　如果|r|＝1，即r＝1或r＝－1，则表示两个变量之间是完全直线相关，也就是线性函数关系。如果r＝0，则表示两个现象完全不相关（不是直线相关）。 三、相关系数 3. 单相关关系的判定 一般可对相关系数作如下判断。 ① 当0＜|r|≤0.3时，表示两个变量存在微弱相关。 ② 当0.3＜|r|≤0.5时，表示两个变量存在低度相关。 ③ 当0.5＜|r|≤0.8时，表示两个变量存在中度相关。 ④ 当0.8＜|r|＜1时，表示两个变量存在高度相关。 三、相关系数 （一） 回归分析的概念及特点 一、回归分析的一般问题 （一） 回归分析的概念及特点 一、回归分析的一般问题 回归分析与相关分析的联系 　　相关分析是回归分析的基础和前提。如果没有从定性上说明现象间是否具有相关关系，没有对相关关系的密切程度作出判断，就不能进行回归分析。即便勉强进行了回归分析，也是没有实际意义的。回归分析是相关分析的深入和继续。在统计实践中，仅仅说明现象间具有密切的相关关系是不够的，还需要进行回归分析，拟合回归方程，进而完成回归预测，使得相关分析产生实际意义。 　　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。只有将两者结合起来，才能达到统计分析的目的。 （二） 回归分析的主要内容 （2）由自变量的数值估计因变量的相应值。 （1）确定现象之间关系的数学模型。 （3）确定因变量估计值的误差。 一、回归分析的一般问题 一、回归分析的一般问题 一、回归分析的一般问题 一、回归分析的一般问题 （三） 回归分析的种类 一、回归分析的一般问题 1. 一元线性回归模型 　　一元线性回归分析的任务就是在这些分散的具有线性关系的相关点之间配合一条最优的直线，用以说明现象之间的具体变动关系。其一般方程如下： 一、回归分析的一般问题 二、一元线性回归模型及其参数估计 2. 一元线性回归模型的参数估计 　　在一元线性回归方程中，a与b两个待定参数可以利用最小二乘法进行估计。应用最小二乘法配合回归直线的基本思想是：在所有的相关点中，通过数学方法配合一条较为理想的直线，而这条直线必须满足以下两点。 　 （1） 原数列与趋势线的离差之和等于0，即 （2） 原数列与趋势线的离差平方和为最小值，即 最小值。 　　根据最小二乘法的原理，为使Q值达到最小，其必要条件是Q对a和b的一阶偏导等于0，即： 　　整理上式，可得如下标准方程组： 　　进一步求解该标准方程组，可得： 二、一元线性回归模型及其参数估计 三、一元线性回归模型的拟合效果 （一）估计标准误差 　　估计标准误差又称为估计标准差或估计标准误，是用来说明回归方程代表性大小的统计指标。若估计标准误差小，表明估计的准确性高，代表性好；反之，则表明估计不够准确，代表性差。 三、一元线性回归模型的拟合效果 （一）估计标准误差 　　估计标准误差的计算原理与标准差基本相同，它是因变量实际值与理论值离差的平均数，其定义公式如下： （二） 判定系数 三、一元线性回归模型的拟合效果 目录 * 了解相关关系的概念、特点及种类； 理解相关分析的主要内容； 掌握相关表的编制及相关图的绘制； 掌握相关系数的计算方法; 学习目标 了解回归分析的基本含义； 掌握一元线性回归方程的建立及估计标准误差的计算。 能够在统计实践中正确运用相关与回归分析法对经济现象间的关系进行分析 锻炼运用Excel计算相关系数、 建立一元线性回归方程。 能力目标 学习目标 一、相关关系的概念及特点 1. 相关关系的概念 资料卡 函数关系与相关关系的联系 　　函数关系与相关关系虽是两种不同类型的依存关系，但它们之间并无严格的界限。有函数关系的变量之间，由于有测量误差以及各种随机因素的干扰，可表现为相关关系；反之，有相关关系的变量之间，尽管没有确定性的关系，但对现象的内在联系常借助于函数关系进行近似的描述和分析。 2. 相关关系的特点 （1） 现象之间确实存在着数量上的依存关系。 （2） 现象之间数量上的关系是不确定、不严格的依存关系。 一、相关关系的概念及特点 2. 相关关系的特点 一、相关关系的概念及特点 2. 相关关系的特点 一、相关关系的概念及特点 1. 单相关和复相关 2. 线性相关和非线性相关 3. 正相关和负相关 4. 完全相关、不完全相关和完全不相关 二、相关关系的种类 1. 单相关和复相关 二、相关关系的种类 　　相关关系按研究变量的多少，可分为单相关和复相关 2. 线性相关和非线性相关 二、相关关系的种类 　　相关关系按相关的形式，可分为线性相关和非线性相关 2. 线