第七章相关与回归分析解析.ppt

学 习 目 标 1. 相关系数的分析方法 2. 一元线性回归的基本原理和最小二乘估计法 3. 回归直线的拟合优度 4. 回归方程的显著性检验 5. 利用回归方程进行估计和预测 7. 用 Excel 进行回归分析 变数间的关系 散点图(例题分析) 【例】一大型商业银行在多个地区设有分行，其业务主要是进行基础设施建设、国家重点项目建设等项目的贷款。近年来，该银行的贷款额平稳增长，但不良贷款额也有较大比例的提高，这给银行业务的发展带来压力。为弄清楚不良贷款形成原因，希望利用银行业务有关数据做些分析，以找出控制不良贷款的办法。下面是该银行所属25家分行2002年的有关数据 散点图(例题分析) 散点图(例题分析) 相关关系的测定相 关 系 数(correlation coefficient) 1．对变量之间关系密切程度的度量 2．对两个变量之间线性相关程度的度量称为简单相关系数 3．若相关系数是根据总体全部数据计算的，称为总体相关系数，记为? 4．若是根据样本数据计算的，则称为样本相关系数，记为 r 相关系数 (计算公式) ? 样本相关系数的计算公式 相关系数(取值及其意义) 1．r 的取值范围是 [-1, 1] 2．|r|=1，为完全相关 r =1，为完全正相关 r =-1，为完全负正相关 3．r = 0，不存在线性相关关系相关 4． -1?r0，为负相关 5．0r?1，为正相关 6．|r|越趋于1表示关系越密切；|r|越趋于0表示关系越不密切 相关系数(取值及其意义) 相关系数(例题分析) 用Excel计算相关系数 相关系数(例题分析) 相关系数的显著性检验 1. 检验两个变量之间是否存在线性相关关系 2. 等价于对回归系数 b1的检验 3. 采用R.A.Fisher提出的 t 检验 4. 检验的步骤为 提出假设：H0：? ? ? ；H1： ? ? 0 例题分析 ? 对不良贷款与贷款余额之间的相关系数进行显著性检(??0.05) 1. 提出假设：H0：? ? ? ； H1：? ? 0 2. 计算检验的统计量 各相关系数检验的统计量 回归模型实例 什么是回归分析？(Regression) 1．从一组样本数据出发，确定变量之间的数学关系式 2．对这些关系式的可信程度进行各种统计检验，并从影响某一特定变量的诸多变量中找出哪些变量的影响显著，哪些不显著 3．利用所求的关系式，根据一个或几个变量的取值来预测或控制另一个特定变量的取值，并给出这种预测或控制的精确程度 二．一元线性回归模型 一元线性回归 1．涉及一个自变量的回归 2．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 3．因变量与自变量之间的关系用线性方程来表示 回归模型 1．回答“变量之间是什么样的关系？” 2．方程中运用 ●　1 个因变量(响应变量) 被预测的变量 ● 1 个或多个自变量 (解释变量) 用于预测的变量 3．主要用于预测和估计 线性回归假设的图形表示 回归方程 1．描述 y 的平均值或期望值如何依赖于 x 的方程称为回归方程 2．一元线性回归方程的形式如下 E( y ) = ?0+ ?1 x 估计的回归方程（样本回归方程） 二 . 参数的最小二乘估计 最小二乘估计 最小二乘估计(图示) 最小二乘法 ( 和 的计算公式) ( 和 的计算公式) 估计方程的求法(例题分析) 求不良贷款对贷款余额的回归方程 (例题分析) 不良贷款对贷款余额回归方程的图示 用Excel进行回归分析 第1步：选择“工具”下拉菜单 第2步：选择“数据分析”选项 第3步：在分析工具中选择“回归”，然后选择“确定” 第4步：当对话框出现时 在“Y值输入区域”方框内键入Y的数据区域 在“X值输入区域”方框内键入X的数据区域 在“置信度”选项中给出所需的数值 在“输出选项”中选择输出区域 在“残差”分析选项中选择所需的选项 1．回归直线的拟合优度 变 差 1．因变量 y 的取值是不同的，y 取值的这种波动称为变差。变差来源于两个方面 由于自变量 x 的取值不同造成的 除 x 以外的其他因素(如x对y的非线性影响、测量误差等)的影响 2．对一个具体的观测值来说，变差的大小可以通过该实际观测值与其均值之差来表示 变差的分解(图示) 离差平方和的分解 (三个平方和的关系) 离差平方和的分解 (三个平方和的意义) 1．总平方和(SST ) 反映因变量的 n 个观察值与其