第7章相关与回归。讲述.docxVIP

第七章相关与回归分析学习内容一、变量间的相关关系二、一元线性回归三、线性回归方程拟合优度的测定学习目标1. 掌握相关系数的含义、计算方法和应用2. 掌握一元线性回归的基本原理和参数的最小二3. 掌握回归方程的显著性检验4. 利用回归方程进行预测5. 了解可化为线性回归的曲线回归6. 用 Excel 进行回归分析一、变量间的相关关系1. 变量间的关系（函数关系）是一一对应的确定关系。设有两个变量x和y，变量y 随变量x一起变化，并完全依赖于x，当变量 x 取某个数值时，y依确定的关系取相应的值，则称 y 是 x的函数，记为 y = f (x)，其中 x 称为自变量，y 称为因变量。各观测点落在一条线上。4） 函数关系的例子– 某种商品的销售额(y)与销售量(x)之间的关系可表示为 y = p x (p 为单价)。– 圆的面积(S)与半径之间的关系可表示为S = πR2。– 企业的原材料消耗额(y)与产量x1、单位产量消耗x2、原材料价格x3间的关系可表示为y =x1 x2 x3。单选题下面的函数关系是（ ）A、销售人员测验成绩与销售额大小的关系 B、圆周的长度决定于它的半径C、家庭的收入和消费的关系 D、数学成绩与统计学成绩的关系2. 变量间的关系（相关关系）变量间关系不能用函数关系精确表达。一个变量的取值不能由另一个变量唯一确定。当变量 x 取某个值时，变量 y 的取值可能有几个。各观测点分布在直线周围。 5）相关关系的例子– 商品的消费量(y)与居民收入(x)之间的关系。– 商品销售额(y)与广告费支出(x)之间的关系。– 粮食亩产量(y)与施肥量(x1)、降雨量(x2)、温度 (x3)之间的关系。– 收入水平(y)与受教育程度(x)之间的关系。– 父亲身高(y)与子女身高(x)之间的关系。3. 相关图表相关表：将具有相关关系的原始数据，按某一顺序平行排列在一张表上，以观察它们之间的相互关系。相关图：也称为分布图或散点图，它是在平面直角坐标中把相关关系的原始数据用点描绘出来，通常以直角坐标轴的横轴代表自变量x，纵轴代表因变量y。4. 相关关系的类型相关关系的图示（散点图）5. 相关关系的测度（相关系数）对变量之间关系密切程度的度量。对两个变量之间线性相关程度的度量称为简单相关系数。若相关系数是根据总体全部数据计算的，称为总体相关系数，记为ρ。若是根据样本数据计算的，则称为样本相关系数，记为 r。样本相关系数的计算公式化简为相关系数取值及其意义r 的取值范围是 [-1,1]。|r|=1，为完全相关。(r =1，为完全正相关。r =-1，为完全负相关。)r = 0，不存在线性相关关系。-1r0，为负相关。0r1，为正相关。e) |r|越趋于1表示关系越密切；|r|越趋于0表示关系越不密切。单选题①下列哪两个变量之间的相关程度高（ ）– A、商品销售额和商品销售量的相关系数是0.9– B、商品销售额和商业利润率的相关系数是0.84– C、平均流通费用率与商业利润率的相关系数是0.94– D、商品销售价格与销售量的相关系数是-0.91②下列关系中，属于正相关关系的有（ ）– A、合理限度内，施肥量和平均单产量之间的关系– B、产品产量与单位产品成本之间的关系– C、商品的流通费用与销售利润之间的关系– D、流通费用率与商品销售量之间的关系③变量之间的相关程度越低，则相关系数值（ ）A、越小B、越接近于0 C、越接近于-1 D、越接近于1④已知Σ(X-Xˉ)2是Σ(Y-Yˉ)2的两倍，并已知Σ(X-Xˉ) (Y-Yˉ)是Σ(Y-Yˉ)2的1.2倍，则相关系数r为（ ）A、不能计算B、0.6C、D、多选题变量之间的不完全相关可以表现为（ ）A、零相关B、正相关C、负相关D、曲线相关E、相关系数为1求X与Y的相关系数编号XY15828143610446522二、一元线性回归1. 什么是回归分析？（内容）从一组样本数据出发，确定变量之间的数学关系式。对这些关系式的可信程度进行各种统计检验，并从影响某一特定变量的诸多变量中找出哪些变量的影响显著，哪些不显著。利用所求的关系式，根据一个或几个变量的取值来预测或控制另一个特定变量的取值，并给出这种预测或控制的精确程度。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。多选题线性相关分析的特点表现为（ ）– A、两个