21一元线性回归.ppt

(4)回归分析与相关分析的关系 ①区别 (4)回归分析与相关分析的关系 ②联系 相关分析和回归分析有着密切的联系，它们不仅具有共同的研究对象，而且在具体应用时，常常必须互相补充。相关分析需要依靠回归分析来表明现象数量相关的具体形式，而回归分析则需要依靠相关分析来表明现象数量变化的相关程度。只有当变量之间存在着高度相关时，进行回归分析寻求其相关的具体形式才有意义。 简单说：1、相关分析是回归分析的基础和前提； 2、回归分析是相关分析的深入和继续。 二、回归模型与回归方程 1.回归模型 2.回归方程 1.回归模型 描述因变量Y如何依赖于自变量X和随机扰动项μ的方程,称为回归模型(Regression model). 一元线性回归模型: Y=β0+β1X+ 思考:为什么要加上 ? 2.回归方程(回归函数) 描述因变量Y的期望值如何依赖于自变量X的方程,称为回归方程(Regression equation) ,也称回归函数(regression function). 一元线性回归方程:E(Y)= β0+β1X 注:由于总体回归参数β0与β1未知,必须利用样本数据去估计它们.当用样本统计量 和 代替回归方程中的总体参数时,就得到了估计的回归方程(estimated regression equation),也称样本回归函数(sample regression function). 相应地，得到样本回归模型(SRM) 课堂练习 下列回归方程哪些是正确的？哪些是错误的？为什么？（其中带“＾”者表示“估计值”） ⑴ ⑵ 三、随机扰动项 1.随机误差 2.残差 3.随机误差包含的主要因素 4.随机误差产生的原因 　　回归方程说明在给定的自变量Xi下，Ｙi的期望值。 但对某一个个别的Ｙi ，其实际观察值可能与该期望值有偏差。 称?i为观察值Yi围绕它的期望值E(Y|Xi)的离差（deviation），是一个不可观测的随机变量，又称为随机干扰项（stochastic disturbance，random disturbance）或随机误差项（stochastic error，random error）。 记 1.随机误差 　　残差（residual error）是指Y的观察值与估计值的偏差。 记 ２.残差 利用总体回归方程，观察值 可表示成 利用估计回归方程，观察值 可表示成 1）在解释变量中被忽略的因素； 2）变量观测值的观测误差因素； 3）模型关系的设定误差因素； 4）其它随机因素的影响。 3.随机误差包含的主要因素 4.随机误差产生的原因 ▲理论的含糊性 ▲数据的欠缺 ▲核心与外围 ▲替代变量 ▲节省原则 ▲错误的函数形式 对随机误差项的进一步解释 ——以居民支出为例 第一节 回归分析概述 第二节 一元线性回归模型的参数估计 第三节 一元线性回归模型检验 第四节 一元线性回归模型预测 第五节 残差分析 第六节 理论应用:典型例题分析 §2.1 回归分析概述 一、变量间的关系及回归分析的基本概念 二、回归方程与回归模型 三、随机扰动项 （1）确定性关系或函数关系：研究的是确定现象非随机变量间的关系。 （2）统计依赖或相关关系：研究的是非确定现象随机变量间的关系。 一、变量间的关系及回归分析的基本概念 1、变量间的关系 变量间的关系，大体可分为两类： §2.1 回归分析概述 例如： 函数关系： 统计依赖关系/统计相关关系： 2、相关分析(补充资料) (1)相关的定义与分类 (2)相关分析基本步骤 (3)相关系数的度量 (4)相关系数的局限性 (5)相关系数的检验 (1)相关的定义与分类 定义:相关指两个或两个以上变量间相互关系的程度或者强度. 分类:①按强度分-完全相关、高度相关、弱 相关和零相关 ②按变量个数分-简单相关和复相关 ③按形式分-线性相关和非线性相关 ④按方向分-正相关、负相关和零相关 （1）找出两个变量的正确相应数据； （2）画出它们的散布图（散点图）； （3）计算相关系数； （4）进行相关系数检验。 (2) 相关分析基本步骤 (3) 相关系数的度量 1.Pearson 积差相关系数 适用条件： （1）总体呈正态分布； （2）变量是连续变量； （3）变量间是线性关系。 计算公式： 相关系数用r表示，它的基本公式（formula）为： 　　 ?????????????????????????????????????????? (3) 相关系数的度量