第五章 回归分析幻灯片.ppt

第五章回归分析 一、相关分析 现象之间的数量关系，存在着两种不同的类型：函数关系和相关关系。 函数关系：是一种确定性关系 如：销售额=销售价格×销售量 相关关系：是一种非确定性关系 如：企业生产规模越大，单位生产成本越低 （1）函数关系 （2）相关关系 （2）定量分析 相关图 真实相关：当两种现象之间的相关确实具有内在的联系时，称之为“真实相关”。 虚假相关：当两种现象之间的相关只是表面存在，实质上并没有内在的联系时，称之为“虚假相关”。 相关关系的种类与图示 二、回归分析 线性相关分析法表明两变量之间的因果关系 。 回归分析指在相关分析的基础上，根据相关关系的数量表达式（回归方程式）与给定的自变量x，揭示因变量y在数量上的平均变化，并求得因变量的预测值的统计分析方法。 第二：相关分析中x与y对等，回归分析中x与y要确定自变量和因变量； 相关分析中x、y均为随机变量，回归分析中只有y 为随机变量。 （三）回归分析的步骤 如：各因素对商场销售额的影响： 1.服务态度（好）： + 2.商场拥挤度（大）： - 3.产品质量（优）： + 4.地理位置（偏）： - a、b的含义-----以月支出（ ）和月收入（x）为例:  截距a 表示无自变量x的影响时，其它各种因素对因变量y的平均影响； ---------当月收入为零时，为满足日常基本生活需求，每月需支出600元 回归系数b 表明自变量x每变动一个单位，因变量y平均变动b个单位。 --------当月收入每增加一个单位（如1元），则月支出将发生变动，平均增加b个单位（如0.4元） 600+0.4×(2-1)=04 （二）最小二乘估计 （OLS估计） b与r之间的关系 三、相关系数 （一）线性相关系数的计算 在统计研究中，对现象间相关关系的密切程度可用统计指标来测定，用相关系数r来确定。 ★相关系数计算公式 用分子推导分母 在分组情况下，相关系数r又可以写为: 相关系数r的取值范围 （-1 1） r0 为正相关，r 0 为负相关 |r|=0 表示不存在线性关系 |r|＝1 表示完全线性相关 r=1: 完全正相关； r=-1：完全负相关 |r| ＞0.8为高度相关 0.5＜ |r| ≤0.8为显著性相关 0.3 |r| ≤ 0.5 为低度相关 |r|≤0.3为不存在线性相关 例 例 解： （二）判定系数的计算 建立了回归方程以后，通常要用方程估计值Yc来推断或预测实际值Y。 判断用Yc（回归估计值）去估计Y（实际值）是否准确可靠？也即回归直线与各实际点的拟合效果如何？ -------------------判定系数分析 证明过程 （2）判定系数（可决系数） 判定系数是指因变量的总变差中可以被自变量解释部分的比例，是衡量拟合模型优劣的重要分析指标。 ★判定系数的表示： 理解即可 （3）估计标准误差 计算公式 例题 四、显著性检验 作业：P200 4，5，6题 本章重点 ★掌握OLS法的运用 ★掌握相关系数的计算 ★掌握区间预测的运用 解 95546 7426 8000 7776 9020 10292 10080 8840 10492 12180 11440 xy - 47.291 49.448 51.606 53.764 55.921 58.079 60.236 62.394 64.552 66.709 估计值 yc 1670 158 160 162 164 166 168 170 172 174 176 身高 x 0 33032 279220 570 ? -0.291 0.552 -3.606 1.236 6.079 1.921 -8.236 -1.394 5.448 -1.709 2209 2500 2304 3025 3844 3600 2704 3721 4900 4225 24964 25600 26244 26896 27556 28224 28900 29584 30276 30976 47 50 48 55 62 60 52 61 70 65 A B C D E F G H I J 残差 y-yc y2 x2 体重 y 学生 总体相关系数 样本相关系数 常用的是皮尔逊积矩相关系数(Pearson)：即协方差与两变量标准差乘积的比值，是没有量纲的、标准化的协方差。 ★ 协方差(covariance)：两个变量与其均值离差乘积的平均数，是相互关系的一种度量。 总体协方差 样本协方差 （大样本） COV 或 ?xy