第3章Excel在数学规划和统计中的应用要点分析.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 总体相关系数满足如下性质： |ρxy|≤1 |ρxy|=1的充要条件是X和Y依概率线性相关。 总体相关系数ρxy一般是得不到的，我们只能根据样本观测值估计。 样本的相关系数 设随机变量x,y的一组样本为(xi, yi)，i=1,2,…，n，则定义x的样本方差为S2x，y的样本方差为S2y，x和y的样本协方差为Sxy，则： VARP 返回样本总体的方差。 语法：VARP(number1,number2) 说明： COVER 返回协方差，即每对数据点的偏差乘积的平均数，利用协方差可以决定两个数据集之间的关系。 语法：COVER(array1,array2) array1:第一个单元格区域 array2:第二个单元格区域 公式： CORREL 相关系数函数 例题1 某机构调查10个公司的年龄和年销售额（万元）的统计数据。 公司 年龄X 销售额Y 1 3 25 2 10 60 3 5 25 4 6 35 5 12 60 6 15 65 7 9 60 8 2 20 9 9 55 10 7 50 计算结果 　 列 1 列 2 列 1 1 列 2 0.922808 1 多元相关 对于若干变量之间的关联程度进行估计。 多元相关系数是度量一个变量与其他所有变量相关程度的数量指标。记为R。 R定义为最小二乘估计值?与变量Y的观测值的简单相关系数。 多元相关系数R 式中： 式中： R表示变量Y与变量x2,x3,…,xk的相关程度用多重相关系数 案例 二. 回归分析 回归分析是通过一定的数学表达式描述变量之间的数量变化关系，并进行预测。 回归分析分为：一元线性回归分析、多元线性回归分析、非线性回归分析、曲线估计、时间序列的曲线估计等模型。 回归分析和相关分析都是研究变量间关系的统计学课题。但两者有所侧重： 在回归分析中，变量Y成为因变量，自变量x可以是随机变量；而在相关分析中，x,y都是随机变量； 回归分析通过一定的数学表达式描述变量之间的数量变化关系，并进行预测。 一元线性回归分析 最简单的情形是一个自变量和一个因变量，且它们大体上有线性关系，这叫一元线性回归。 计算公式 其中： X是自变量；y是因变量； β0是回归常数；β1是回归系数； ε是随机扰动项 最小二乘法 基本思想是使残差e的平方： e2=∑( y-?)2 ＝最小 年份 粮食产量(万吨) 化肥(万吨) 播种面积(公顷) 1988 2097.5 291.9 9139434 1989 2134.5 333.6 9063694 1990 2148.7 386.2 8842387 1991 2314.5 502 9023392 1992 2217.1 541.5 8904016 1993 2904.0 610.8 9307692 1994 2893.5 661.5 9014019 1995 2710.5 662.7 9035000 1996 2545.7 677.5 9376427 1997 2948.4 637.4 9360000 1998 2663.0 724.5 9057823 例题1数据分析中的回归分析 例题2： 旅行成本法(TCM) 森林生态系统价值评价在全球范围内成为环境经济学和生态经济学的研究热点和焦点之一. 条件价值法和旅行成本法是评价公共物品尤其是环境物品价值的两种标准方法。 旅行成本法(TCM) 基本思路是将去某一景点的游客的旅行费用当作“门票”一样对待。 游客对同一景点有相同的需求曲线，旅行成本增加，旅游次数减少。 旅行成本法的目的是建立旅行次数(出游率)与门票费用的对应关系(即需求曲线)。从而计算消费者剩余，以对景点进行评价。 案例 访问人数 访客出发地 旅行里程 250 1 50 400 2 100 4500 3 150 1600 4 200 3000 5 250 出发地 旅行成本(元) 访问人数 出发地总人口 每千人访问率 1 2 250 5,000 50 2 3 400 10,000 40 3 4 4500 150,000 30 4 5 1600 80,000 20 5 6 3000 300,000 10 千人访客率=-10*门票+70 依据此公式，求出不同地点在不同门票(旅行成本)下的旅行者人数。 然后对每一个门票的旅行人数加总。 求不同门票下的总收入 加总的总收入即为此旅游景点的总价值(消费者剩余) 新增收费值 出发地1的游客数 出发地2的游客数 出发地3的游客数 出发地4的游客数 出发地5的游客数 游客总数 总收入 0 300 500 6000