第六章相关与回归课题.pptVIP

第六章 相关与回归分析 第六章 相关与回归分析 一 变量间的相关关系 二 一元线性回归 三 多元线性回归 相关分析 开篇案例：开篇案例\5.doc 学习目标 1. 掌握一元线性回归的基本原理和参数的最小二乘估计方法 2. 掌握回归方程的显著性检验 利用回归方程进行预测 掌握多元线性回归分析的基本方法 了解可化为线性回归的曲线回归 掌握相关系数的含义、计算方法和应用 用 Excel 进行回归分析 相关关系的含义 变量间的关系（函数关系） （1）是变量之间客观存在的，在数量变化上按一定法则严格确定的相互依存关系 （2）设有两个变量 x 和 y ，变量 y 随变量 x 变化，并完全依赖于 x ，当变量 x 取某个数值时， y 依确定的关系取相应的值，则称 y 是 x 的函数，记为 y = f (x)，其中 x 称为自变量，y 称为因变量 变量间的关系（函数关系） 变量间的关系（相关关系） （1）变量间客观存在的，在数量变化上受随机因素影响的不确定的相互依存关系 （2）一个变量的取值不能由另一个变量唯一确定 （3）当变量 x 取某个值时，变量 y 的取值可能有几个 （4）各观测点分布在直线周围 变量间的关系（相关关系） 相关关系的种类 （1）从涉及的因素看，分为单项关和复相关 （2）从散点图上观察，分为直线相关和曲线相关 （3）从变量之间的变化方向来看，分为正相关和负相关 对于变量之间相关关系的分析，可以沿着两条途径展开：其一是分析变量之间相关关系的密切程度，称为相关分析；其二是研究变量之间的变动关系，用一个数学方程描述这种变动关系，称为回归分析。在回归分析中，又可分为线性回归与非线性回归，其中线性回归是整个回归分析的基础，而一元线性回归分析又是线性回归的基础。 一元线性回归模型 ? 一元线性回归模型可表示为 y = b0 + b1 x + e 模型中，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 ?0 和 ?1 称为模型的参数 一元线性回归模型（基本假定） (1)误差项ε是一个期望值为0的随机变量，即E(ε)=0。对于一个给定的 x 值，y 的期望值为E ( y ) =? 0+ ? 1 x (2)对于所有的 x 值，ε的方差σ2 都相同 （3）误差项ε是一个服从正态分布的随机变量，且相互独立。即ε~N( 0 ,σ2 ) 独立性意味着对于一个特定的 x 值，它所对应的ε与其他 x 值所对应的ε不相关 对于一个特定的 x 值，它所对应的 y 值与其他 x 所对应的 y 值也不相关 一元线性回归方程 （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）简单线性回归方程的形式如下 E( y ) = ?0+ ?1 x 估计(经验)的回归方程 参数 的最小二乘估计 最小二乘法 （概念要点） 最小二乘法（图示） 最小二乘法 （ 和 的计算公式） 离差平方和的分解 （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 离差平方和的分解（图示） 离差平方和的分解 （三个平方和的关系） （2） 两端平方后求和有 离差平方和的分解 （三个平方和的意义） 总平方和 反映因变量的 n 个观察值与其均值的总离差 回归平方和 反映自变量 x 的变化对因变量 y 取值变化的影响，或者说，是由于 x 与 y 之间的线性关系引起的 y 的取值变化，也称为可解释的平方和 残差平方和 反映除 x 以外的其他因素对 y 取值的影响，也称为不可解释的平方和或剩余平方和 估计标准误差 Sy 计算公式为 2. 反映实际观察值在回归直线周围的分散状况 从另一个角度说明了回归直线的拟合程度 excel上机操作\相关与回归分析\相关与回归分析例题.xls 回归方程的显著性检验 （检验的步骤） 提出假设 H0：?1=0 H1：?1≠0 回归方程的显著性检验 利用回归方程进行预测 根据自变量 x 的取值预测（或估计）因变量 y的取值 估计或预测的类型 点估计