- 1、本文档共34页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
[统计学2
第七讲 回归分析 作出年份与收入指数的散点图 两变量之间存在非线性关系 右键点击散点图的曲线,“添加趋势线”-“多项式”,选择阶数2(或3) y = 1.713x2 - 2.942x + 223.96 R2 = 0.9915 y = 0.123x3 - 1.7911x2 + 24.415x + 174.9 R2 = 0.9984 “工具”-“数据分析”-“回归” 分别作二次曲线模型回归,三次曲线模型回归 结果同上 练习: 某电视机厂分析本厂某种型号电视机成本与月产量之间的关系。下表给出了该型号电视机从2001年1月起连续16个月的月产量与单位成本的数据。分别用线性(Y=a+bX) 、双曲函数(Y=a+b/X)和二次函数(Y=a+b1X+b2X2) ,为单位成本与月产量之间的关系建立回归曲线,比较检验结果。 上页 下页 结束 首页 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 上页 下页 结束 首页 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 上页 下页 结束 首页 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. * * Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. “回归”一词源于19世纪英国生物学家高尔顿的实验研究,他发现无论父母的身高如何,子女的身高有“回归”到总体均值的趋势。 他的学生皮尔逊为了纪念老师,将回归一词引入到统计分析,现在的回归已不再是当初生物学的含义,而指当变量之间存在显著的相关关系时,样本观测值具有聚集在“回归线”周围的倾向。 上页 下页 结束 首页 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 当变量之间存在相关关系时,如何定量反映这种关系?回归分析着重于寻求变量之间近似的函数关系 。 上页 下页 结束 首页 回归分析的主要步骤: ①寻求变量间的近似的函数关系(即回归方程,一般通过散点图大致确定回归方程类型); ②求出合理的回归系数; ③进行相关性和回归模型检验; ④通过检验后,根据回归方程与具体条件进行预测和控制. Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 1. 回归方程 上页 下页 结束 首页 一元线性回归 y=a+bx 多元线性回归 y=a+b1x1+ b2x2+...+ bmxm 非线性回归 q=ALaKb(柯布-道格拉斯生产函数) lnq=lnA+alnL+blnK Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 2.回归分析的显著性检验 上页 下页 结束 首页 对任何两个变量x和y,无论它们之间是否存在线性相关关系,都可以依据数据(xi,yi)写出一个线性方程组。如果x和y之间不存在真正的线性相关关系,求出的回归方程是没有意义的。 变量y值受变量x和随机测量误差影响。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 上页 下页 结束 首页 F检验,检验线性相关关系与随机因素对y的影响。 原假设:b=0,即x与y没有线性相关关系。 如果F检验的p值较大,接受原假设,即x与y没有线性相
文档评论(0)