第九章 回归与相关分析.pptVIP

学习目标 1. 理解相关与回归的概念 2. 理解相关系数与回归系数的含义 3. 能运用相关与回归分析的方法分析实际问题 相关关系的概念 回归与相关分析的特点及区别 一元线性回归方程 本章小结 非线性回归模型 当自变量与因变量存在某种曲线相关关系时，可拟合曲线回归模型例如：。 双曲线： ＞ 0 b ＞ 0 ＞ 0 b0 x x y y 指数曲线：y=aebx b ＞ 0 b0 x x y y 幂函数曲线：y=axb ＞ 0 b ＞ 0 x y b1 b=1 b1 曲线模型的判别方法： 理论和经验判断； 观察散点图 曲线模型的确定方法： 通常用变量代换法将曲线转换为直线按线性模型求解参数，而后再变换为曲线模型。。 例如：双曲线模型 指数曲线模型 1.引言 2.相关关系的判断 3.一元线性回归与简单线性相关 4.多元线性回归与复相关 5.曲线回归与曲线相关 6.回归与相关分析的应用 结 束 * 统计学原理 第一章绪论 第二章统计调查 第三章统计资料的整理 第四章总量指标与相对指标 第五章平均指标和变异指标 第六章时间数列 统计学原理 第七章统计指数 第八章抽样调查 第九章回归与相关分析 第十章统计预测 第十一章统计分析综述 第十二章我国国民经济核算体系 第九章 回归与相关分析 一、引言 二、相关关系的判断 三、一元线性回归与简单线性相关 四、多元线性回归与复相关 五、曲线回归与曲线相关 六、回归与相关分析的应用 主要内容 第一节 引言 一. 相关关系的概念 二. 回归与相关分析的特点及区别 回归与相关分析的基本内容 相关与回归 相关和回归分析是研究事物的相互关系，测定它们联系的紧密程度，揭示其变化的具体形式和规律性的统计方法，是构造各种经济模型、进行结构分析、政策评价、预测和控制的重要工具。 相关分析 概念 种类 线性相关 变量之间关系 函数关系 相关关系 因果关系 互为因果关系 共变关系 确定性依存关系 随机性依存关系 种类 一元相关 多元相关 负相关 正相关 线性相关 曲线相关 x y 正相关 x y 负相关 x y 曲线相关 x y 不相关 回归分析 特点 线性回归 非线性回归 回归分析和相关分析的联系和区别 1 ·理论和方法具 有一致性； 2 ·无相关就无回归， 相关程度越高，回归越好； 3 ·相关系数和回归系数 方向一致，可以互相推算。 1 ·相关分析中， x 与 y 对等，回归分析中， x 与 y 要确定自变量和因变量； 2 ·相关分析中 x ， y 均为随机变量，回归分析中，只有 y 为随机变量； 3 ·相关分析测定相关程度和方向，回归分析用回归模型进行预测和控制。 第二节 相关关系的判定 定性判断 相关表和散点图 线性相关 相关系数 测定两变量是否线性相关？ 定义式： 未分组： 已分组： 值： |r|=0 不存在线性关系； |r| ＝ 1 完全线性相关 0|r|1 不同程度线性相关(0~0.3 微弱； 0.3~0.5 低度； 0.5~0.8 显著； 0.8~1 高度) 符号： r0 正相关； r0 负相关 计算公式 相关系数的检验（ t 检验） 检验统计量 第三节 一元线性回归与简单线性相关 一元线性回归方程 回归标准差 置信区间 离差平方和的分解与相关系数 显著性检验 等级相关系数 一元线性回归模型 一 ·一元线性回归模型的一般形式 总体一元线性回归模型的一般形式 Y 的数学期望 E （ Y ） 随机误差 也称一元线性回归方程，是对应于自变量 X 某一取值时因变量 Y 的均值。 未知参数 样本的一元线性回归模型和回归方程 一元线性回归模型 一元线性回归方程 截距 斜率（回归系数） x y 二 ·一元线性回归模型的确定 根据实际数据，用最小平方法(ordinary least squares)，即使残差平方和 分别对 a,b 求偏导并令其为零，求得两个标准方程： 解联立方程，得到 回归系数 b 表明自变量 x 每变化一个单位因变量 y 的增（减）量。 b 与 r 的关系： r ＞ 0 r ＜ 0 r=0 b ＞ 0 b ＜ 0 b=0 是理论模型，表明 x 与 y 两变量之间的平均变动关系。 （实际值）： X 对 y 的线性影响而形成的系统部分，反映两变量的平均变动关系，即本质特征。 随机干扰：各种偶然因素，观察误差和其他被忽视因素的影响。 三 ·一元线性回归模型的检验: 判定系数（ ） 是