第七章回归讲述.pptVIP

第七章 回归分析 regression 回归分析与相关分析 相关分析 1、现象之间存在的不确定性的数量依存关系叫做相关关系。对现象之间相互关系的密切程度的研究称为相关分析。相关关系可以从不同角度进行分类，如：按相关关系涉及的变量(因素)多少分为单相关和复相关；按相关关系的表现形态可分为线性相关和非线性相关；按变量之间相互关系的方向分为正相关和负相关；按变量之间相关的程度划分为完全相关、不相关(也称零相关)和不完全相关。 2、相关分析的主要内容包括：确定现象之间有无相关关系及相关关系的表现形式；确定相关关系的表现形式；确定相关关系的密切程度和方向。 3、相关关系的测定方法有：定性分析；编制相关表；绘制相关图；计算相关系数。相关系数的测定方法有若干种，最常用的是积差法。 回归分析 回归分析是相关分析的延伸 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。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。 回归分析的主要内容包括：一元线性回归方程的建立；判定系数和估计标准误差的计算；一元线性回归方程的显著性检验与预测。 Galton数据散点图（英寸） 其他类型的散点图 回归分析学习内容 一元线性回归模型的描述 一元线性回归方程的拟合 一元线性回归方程的显著性检验 预测 一元线性回归模型的描述 一元线性回归模型也称为简单直线回归模型，是分析两个变量x与y之间相互关系的数学方程式。我们假定x 为自变量，y为因变量，y值除了受自变量x 的影响之外，还受其它因素的影响；在构建回归模型时，应该包括随机误差 ，x与 y之间的关系可以用数学公式表示： （10-3） 一元线性回归模型的描述 一元线性回归模型也称为简单直线回归模型，是分析两个变量x与y之间相 互关系的数学方程式。我们假定x 为自变量，y为因变量，y值除了受自变量x 的 影响之外，还受其它因素的影响；在构建回归模型时，应该包括随机误差 ，x 与 y之间的关系可以用数学公式表示： （10-3） 在实际研究问题时，为了便于对参数做出区间估计和假设检验，我们假定 。 因此，我们可以用下式近似的描述x与y之间的关系： （10-4） 式中 为因变量的估计值；x为自变量的实际值；a ,b为待定参数；上述公 式称为变量y对x的一元线性回归方程。 a ,b的几何意义是：a为直线方程的截距，b为直线的斜率。其统计意义 是：a表示自变量x为零时的因变量y的估计值；b表示当自变量x每增加一个单位 时因变量y的平均变化，b也称为y对x的回归系数。 一元线性回归分析(Simple linear regression) 一、一元线性回归模型（简单线性回归模型） 1、简单线性回归模型（Simple linear regression model） 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。 直线回归模型的四个假