5.8 第五章 回归分析课件.ppt

第五章 回归分析 教学目的与要求 正确理解相关关系的含义、种类及相关分析的主要内容； 掌握相关关系的测定方法； 掌握回归分析的含义和内容； 掌握一元线性回归分析方法。 （1）是一一对应的确定关系； （2）设有两个变量 x 和 y ，变量 y 随变量 x 一起变化，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； （1）变量间关系不能用函数关系精确表达； （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； 二、相关关系的种类 三、相关分析 1.确定现象之间有无相关关系。 主要通过定性分析判断和相关图、相关表观察得出结 论。这是相关分析的出发点。 2.确定相关关系的表现形式。 若存在相关关系，就需进一步确定相互关系的表现形 式。例如，是线性相关还是非线性相关，这时相关分析的主 要内容。 3.确定相关关系的密切程度和方向。 通过相关分析，可以判定现象之间相关关系的密切程度和 方向。例如，变量之间是完全相关、不完全相关还是完全不 相关。 三、相关分析 第一节 相关分析 三、相关分析 （一）相关系数 1.简单相关系数的含义：反映密切程度和方向 2.简单相关系数的计算 3.相关系数的性质 （二）决定系数 （三）相关表和相关图 1. 相关表 2. 相关图 SPxy/SSx是以x为自变量、y为依变量时的回归系数byx。 若把y作为自变量、x作为依变量 ，则回归系数 bxy =SPxy/SSy ，所以决定系数r2等于y对x的回归系数与 x对y的回归系数的乘积。这就是说，决定系数反映了x为自变量、y为依变量和y为自变量、x为依变量时两个相关变量x与y直线相关的信息 ，即决定系数表示了两个互为因果关系的相关变量间直线相关的程度。但决定系数介于0和1之间，不能反映直线关系的性质—是同向增减或是异向增减。 第二节 一元线性回归分析 相关分析中的相关系数可以从数量上说明变量之间相关 关系的方向和密切程度。但它不能反映一个变量发生一定数 量的变化时，另一个变量会相应的发生多少变动。为了解决 这个问题，就必须采用回归分析的方法。 回归分析是指对具有相关关系的变量，依据其关系形 态，选择一个合适的数学模型，用来近似的表示变量之间数 量平均变化关系的一种统计方法。 回归分析的内容很多，按分析变量的多少不同，可分为 一元回归分析和多元回归分析；按分析变量的表现形态不 同，可分为线性回归分析与非线性回归分析等。本节只讨论 一元线性回归分析的理论与方法。 第二节 一元线性回归分析 二、一元线性回归 1. 一元线性回归模型及基本假定 假定因变量y主要受自变量x的影响，它们之间的简单线性回归模型如下 ： 为参数， 为随机误差项。 对于误差项，在回归分析中有如下假设： （1）误差项是随机变量，它的期望值为0； （2）对于所有的x值，误差项的方差 为常数； （3）误差项之间相互独立，即与一个值相联系的误差对与另一个值相联系的误差没有影响； （4）随机误差项服从正态分布。 第二节 一元线性回归分析 二、一元线性回归 2. 一元线性回归方程 描述y的均值E(y)与 x的关系的方程叫做回归方程。 由于 ， ， 所以 不难看出，简单线性回归方程的图形是一条直线。这条直线被称为总体回归直线。 是回归直线的截距， 是回归直线的斜率，E(y)是给定某个x的值y的均值或期望值。 各实际观测点与总体回归线垂直方向的间隔，就是随机误差项ε，即 如果因变量y与自变量x的相关关系是近似直线的关系，则一元线性回归的模型为： 二、一元线性回归3.参数估计－最小二乘法 总体线性回归模型的图示 建立样本线性回归方程的方法最小二乘法 根据微积分的极值定理，Q最小的必要条件为： 整理后得如下方程，称最小二乘法的标准方程： 【例5-1】设某食品感官评定时，测得食品甜度与蔗糖质量分数的关系如表5-1所示，试求y对x的直线回归方程。 （1）作散点图 以蔗糖质量分数（x）为横坐标，甜度（y）为纵坐标作散点图，如图5-5所示。 表5-2 一元回归计算表 F检验 t检验 作业 p73计算题1 Y X 观察值 观察