《预测与决策技术应用》第3章多元线性规划预测作业分析.ppt

第3章 回归预测方法 3.1 引言 3.1.1 相关分析 变量之间的关系:确定性（函数）关系、非确定性（相关）关系 1.函数关系：变量之间存在的确定性的数量依存关系。在这种关系中，当其中一个变量的值确定后，另一个变量的值就会完全确定。 2.相关关系：变量之间存在的非确定性的数量依存关系。当一个变量发生变化时，另一个变量也会随之发生变化，但这种数量变化关系并不是严格的一一对应。 家庭收入 ———— 家庭消费支出 身高 ———— 体重 相关关系 商品价格 ———— 商品需求量 圆的面积 ———— 圆的半径 函数关系 物体的质量 ———— 物体的体积 3.相关关系分类： (1) 按变量间的相关程度：完全相关（函数关系）、不完全相关、不相关 (2) 按变量间数量的变化方向：正相关（变动方向一致）、负相关（变动方向相反） (3) 按变量间相关关系的表现形式：线性相关、非线性相关 (4) 按相关关系包括的影响因素的多少：单相关（一个变量对另一个变量的相关影响）和复相关（或多元相关，若干个变量对另一个变量的相关影响） 6.样本相关系数 设已经观察记录得到了两个变量 的一组观察值（ ）（ ） ，则变量之间的样本相关系数的计算公式为： 其中， ————样本协方差, ————样本方差 简化公式： r的取值范围： 。 r=1：X和Y完全正相关，X与Y是函数关系； r=-1：X和Y完全负相关，X与Y是函数关系； r=0：X和Y之间不存在线性关系，但可能存在非线性关系； 0| r |1：Y与X之间存在普通的线性相关关系； | r |越大，X与Ｙ之间的线性相关程度越高。 | r |≥0.8：高度相关；0.5≤| r |≤0.8：中度相关； 0.3≤| r |≤0.5：低度相关；| r |0.3：近似不相关。 7.样本相关系数的检验 样本相关系数是根据样本得到的统计量，因此具有随机性，只有对样本相关系数进行检验后才能下结论。 检验统计量： ，总体相关系数 提出假设： 对于给定的显著水平 ，计算t的估计量， ——X与Y之间存在线性相关关系； ——X与Y之间不存在线性相关关系。 注意：（1）相关分析只表明两个变量之间的相关程度和方向，它并不能说明两个变量间是否有因果关系。（2）相关关系成立的数据范围之内应用这种相关关系，不能随意外推。eg. 雨量和农作物的长势。 3.1.2回归分析 在相关分析的基础上进行回归分析，进一步探讨变量之间的因果关系和具体的数量变动关系。 1.回归分析：研究某一随机变量（因变量）与其他一个或几个普通变量（自变量）之间数量变动关系的一种方法。 2.回归分析的主要内容： (1) 根据研究现象之间的内在联系，确定自变量和因变量。 (2) 确定回归分析模型的类型及表达式（参数）。 (3) 对回归模型进行检验。 包括：拟合度检验、回归系数的显著性检验、回归方程的显著性检验等。 (4) 对因变量进行预测。利用回归模型，根据自变量的数值去估计、预测因变量的取值及置信区间，也可利用回归模型进行控制。 3.回归模型的分类 (1) 一元回归模型和多元回归模型——模型中包含自变量的个数。 (2) 线性回归模型和非线性回归模型——回归模型的形式。 (3) 普通回归模型和带虚拟变量的回归模型——模型是否带有虚拟变量。 3.1.3相关分析与回归分析的主要区别 (1) 相关分析的任务是确定两个变量之间相关的方向和密切程度。回归分析的任务是寻找因变量对自变量依赖关系的数学表达式。 (2) 相关分析中，两个变量要求都是随机变量，并且不必区分自变量和因变量；而回归分析中自变量是普通变量，因变量是随机变量，并且必须明确哪个是因变量，哪些是自变量； (3) 相关分析中两变量是对等的，改变两者的地位，并不影响相关系数的数值，只有一个相关系数。而在回归分析中，改变两个变量的位置会得到两个不同的回归