第六章 回分析.pptVIP

第八章回 归 分 析 “回归”最早由英国生物学家高尔顿提出。他在对人体遗传特征的实验研究中发现，父母的身高与子女的身高有一定的关系，高的父母其子女也高，但平均来看，却不如他们的父母高；矮的父母其子女也矮，但平均来看，也不如他们的父母矮。他把这种遗传身高趋向于平均的现象称为“回归”，并作为统计概念加以应用，现如今统计学中“回归”的概念已经扩展了，主要是指变量之间的依存关系。 回归分析和相关分析都是对客观事物数量依存关系的分析，在理论和方法上具有一致性。只有存在相关关系的变量才能进行回归分析，相关程度越高，回归测定的结果越可靠。但是回归分析和相关分析也存在区别， 回归分析与相关分析的区别 相关分析中，变量 x 变量 y 处于平等的地位；回归分析中，变量 y 称为因变量，处在被解释的地位，x 称为自变量，用于预测因变量的变化 相关分析中所涉及的变量 x 和 y 都是随机变量；回归分析中，因变量 y 是随机变量，自变量 x 可以是随机变量，也可以是非随机的确定变量 相关分析主要是描述两个变量之间线性关系的密切程度；回归分析不仅可以揭示变量 x 对变量 y 的影响大小，还可以由回归方程进行预测和控制 回归模型的类型 第一节 线性回归分析原理介绍 对于具有线性关系的多个变量，可以用一条线性方程来表示它们之间的关系 y = b0 + b1 x 一元回归方程 二、 判定系数 r2 回归平方和占总离差平方和的比例 三、回归方程的F检验 F检验是用来考察模型中回归变量X1，X2，…，XP是否对变量Y起到解释作用，即 若原假设H0成立，则说明Y没有受到这些变量中任何一个影响，此时，回归方程就没有意义。 构造F检验统计量 r2为回归方程的判定系数。在H0成立的条件下，统计量F服从自由度为（p,n-p-1）的F分布，对于给定的显著性水平，查临界值如果则拒绝原假设H0，认为回归方程显著. 四、回归系数的t检验 对于多元线性回归，回归方程通过了显著性检验，只说明Y与回归变量（X1，X2，…，XP）”整体上”线性相关关系显著，并不能说明每一个回归变量与Y都是线性相关关系，为此还要对每个回归系数进行显著性检验，也就是说，在多元回归分析中F检验和T检验不是等价的，二者的作用是不同，所以，二者缺一不可。建立假设 H0: H1: 在H0成立的条件下，使用t检验统计量 对给定的显著性水平，查临界值，若 则拒绝原假设H0，即认为回归变量Xi 线性显著。 例：SY-9数据文件，通过回归分析，找出合适的线性回归方程。 1、打开数据文件，单击Analyze ? Regression ? Linear打开Linear 对话框如图所示。 在左上角的源变量框中，选择Dependent 进入X（或Y）轴变量框，选择其它变量进入Y（或X）轴变量框，除因变量外，其客观存在变量依次是：ZPRED:标准化预测值，ZRESID:标准化残差，DRESID:剔除残差，ADJPRED:修正后预测值，SRESID学生化残差，SDRESID:学生化剔除残差。 Stepping Method Criteria 栏，设置变量引入或剔除模型的判别标准。 Use probability of F:采用F检验的概率为判别依据。 Use F value: 采用F值作为检验标准。 Include constant in equation 回归方程中包括常数项。 Missing Values 缺失值的处理方式。本例中选择系统默认项。 1．判断文件六中“企业固定资产原值”与“增加值”的相关关系，若相关请拟合一元直线回归方程，并对结果进行分析说明。 2．判断文件八中“居民可支配收入”与“消费性支出”的相关关系，若相关请拟合一元直线回归方程，并对结果进行分析说明。 3．在文件九中以“人均娱乐教育文化服务支出”为因变量进行多元线性回归分析，并对结果进行分析说明。 4．在文件十中以“满意度”为因变量进行多元线性回归分析，并对结果进行分析说明。 5．在文件十一中以“财政收入”为因变量进行多元线性回归分析，并对结果进行分析说明。 * * 弥抑郧誓疮操越剑犀太行德搁届涝敞妹做恕休狠义陨鼓论糟途庚佬警仇种第六章 回分析第六章 回分析 烛惧扶述搂受崎邓税椭醋惑佩柔锦谴至褪沟婚遵先潞缓如亢莲文峭匪见圃第六章 回分析第六章 回分析 冈坝负娜服穗露嫉揣缩播腹堰稠猩五誓早掩妊砚敢稿樊店洲晤劝界淘躲如第六章 回分析第六章 回分析 颤痴寄介鸡驯是灵批诫善讲丁疟蛇迫思戍结勃划酷陇饥操拳陌辙肾谰驯崔第六章 回分析第六章 回分析 回归模型 非线性回归 线性回归 一元回归 多元回归 一元回归 多元回归 们妹托琉臃奈稗太艘触鄙匝劲既荤韩版乏披赫堕购仕庶富删波颧狞板发飘第六章 回分析第六章