回归分析二.ppt

回归分析 回归分析的概念 1、回归分析：回归分析是对具有相关关系的变量之间数量变化的一般关系进行测定，确定一个相关的数学表达式，以便于进行估计或预测的方法。 2、回归分析方法：配合直线或配合曲线。用一条直线来代表现象之间的一般数量关系，这条直线在数学上叫做回归直线，表现这条直线的数学公式称为直线回归方程；用一条曲线来代表现象之间的一般数量关系，这条曲线在数学上叫做回归曲线，表现这条曲线的数学公式称为曲线回归方程。 回归分析与相关分析的联系和区别 实际上，回归分析和相关分析都是研究和处理变量之间相互关系的一种数理统计方法，但是它们之间既有区别又有联系。 联系 1、相关分析和回归分析在研究对象和内容上两者是相同的。相关分析是回归分析的基础和前提，回归分析是相关分析的深入和继续。 2、只有当变量间存在相关关系时，用回归分析去寻求相关的具体数学形式才有实际意义相关分析只表明变量间相关关系的性质和程度，要确定变量间相关的具体数学形式依赖于回归分析. 4、从广义上讲，回归分析就是相关分析，从狭义上讲，相关关系只需确定变量间的关系，而回归分析还要在此基础上找了数学模型。从研究的目的来说，若仅仅为了了解两变量之间呈直线关系的密切程度和方向，宜选用线性相关分析；若仅仅为了建立由自变量推算因变量的直线回归方程，宜选用直线回归分析。 区别 1、回归分析有严格的自变量和因变量之分，相关分析并没有严格的自变量与因变量之分。 X和Y 都是相互对称的随机变量，所以 2、相关分析的研究主要是两个变量之间的密切程度，而回归分析不仅可以揭示x对y的影响大小，还可以由回归方程进行数量上的预测和控制。 3、相关分析中，x与y都是随机变量，而在回归分析中，y是随机变量，x可以是随机变量，也可以是非随机的，通常在回归模型中，总是假定x是非随机的； 归回分析的主要内容 1、从一组地理数据出发，确定这些要素间的定量数学表达式，即回归模型。 2、根据一个或几个要素（自变量）的值来预测或控制另一个要素（因变量）的取值 3、从影响某一地理过程中的许多要素中，找出哪些要素（变量）是主要的，哪些要素是次要的，这些要素之间又有些什么关系。 回归模型的类型 一元线性回归模型 特点： 涉及一个自变量的回归 在两个变量之间进行回归分析时，必须根据研究目的，具体确定哪个是自变量，哪个是因变量。 3、因变量y与自变量x之间为线性关系 被预测或被解释的变量称为因变量(dependent variable)，用y表示 用来预测或用来解释因变量的一个或多个变量称为自变量(independent variable)，用x表示 4、因变量与自变量之间的关系用一个线性方程来表示 5、在两个现象互为根据的情况下，可以有两个回归方程——y倚x回归方程和x倚y回归方程。这和用以说明两个变量之间关系密切程度的相关关系只能计算一个是不相同的。 6、回归方程的主要作用在于给出自变量的数值来估计因变量的可能值。一个回归方程只能作一种推算。推算的结果表明变量之间的具体的变动关系。 一元线性回归模型的建立 描述因变量 y 如何依赖于自变量 x 和误差项e 的方程称为回归模型 一元线性回归模型可表示为 yi = A + B xi + e（总体回归模型） y 是 x 的线性函数(部分)加上误差项 线性部分反映了由于 x 的变化而引起的 y 的变化 误差项 ? 是随机变量 反映了除 x 和 y 之间的线性关系之外的随机因素对 y 的影响 是不能由 x 和 y 之间的线性关系所解释的变异性 A 和 B 称为模型的参数 样本回归函数 对于实际的经济问题，通常总体的情况是未知的，无法掌握所有单位的数值，总体回归函数实际上是未知的，因此我们只能从总体中抽取的样本数据进行观测，同时总体的参数也是未知的，必须用样本回归的参数来替代，这样我们有样本回归函数： 其中是 与 相对应的估计值，a 和b 分别是样本回归 函数的估计参数。 样本回归函数与总体回归函数的区别 1、总体回归函数虽然是未知的，但它是确定的；而从总体中每次抽样都能获得一个样本，就都能拟合一条样本回归线，所以样本回归线是随抽样波动而变化的，可以有很多条。因此样本回归线不等于总体回归线，最多只是未知总体回归线的近似表示。 2、总体回归函数的参数是确定的常数；而样本回归线的参数是随抽样而变化的随机变量。 3、总体回归函数中的误差项是不可直接观测的，而样本回归函数的误差项是可以直接计算得出。 回归分析的目的 利用样本回归函数去估计总体回归函数。由于样本对总体总是存在代表性误差，样本回归函数总会过高或者过低估计总体回归函数。我们研究的目的是，需要寻求一种规则和方法，使得样本回归函数中的参数能够