5相关和回归分析.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 预测： 产量为1万吨时，生产费用为： 返回本节首页 1、在两个变量之间，必须确定哪个是自变量，哪个是因变量。如果自变量和因变量的位置发生变化，方程也会改变。 如果X为自变量，则： 如果y为自变量，则： （三）简单线性回归分析的特点 2、回归方程的主要作用： 是用自变量来推算因变量而不能反推 （四）相关分析和回归分析的关系 第一、相关分析是回归分析的基础和前提，回归分析是相关分析的深入和继续 返回本节首页 第二、相关系数和回归系数可以相互推算 1、联系： 有调查资料：某城市每户平均年收入为900元，均 方差为40元，每户平均年消费支出为700元，方差 为3600元，支出对于收入的回归系数为0.9，要求： (1)计算收入与支出的相关系数；(2)拟合支出对于收入的回归方程，并解释回归系数的含义。 2、区别 第一、两者分析目的不同： 相关分析主要测定变量间关系的密切程度和变化方向； 回归分析侧重考查变量间的数量伴随关系，是将相关现象间不确定的数量关系确定化。 返回本节首页 第二、对资料的要求不同 相关分析中两个变量必须是随机的； 回归分析中自变量是给定的，因变量是随机的。 第三、相关分析所研究的两个变量是对等的关系，相关系数只有一个； 回归分析所研究的两个变量不是对等的，必须根据研究的目的，确定出自变量和因变量的位置。 返回本节首页 附：估计标准误差 （一）变差的含义： 给定自变量x值时，因变量 y 的取值是不同的， y 取值的这种波动称为变差（总离差）。 来源于两个方面： 由于自变量 x 的取值不同造成的 除 x 以外的其他因素影响 对毎一个具体的观测值来说，变差的大小可 通过该实际观测值与其均值之差 表示 称为总变差、总离差，可分解为两部分 回归离差 残差 能够由回归直线解释的离差 不能由回归直线解释的离差 x y y ? 总离差分解图： 回归离差 残差 回归离差 残差 即： 总离差 可利用回归离差或残差的大小说明回归方程的代表性。 对所有的实际观测值而言 具体操作时，是对 进行分解的 将总离差两边平方，再整理得： 回归平方和 (SSR ) 残差平方和 (SSE ) 总离差平方和 (SST ) 所占越大，回归方程的代表性越差，x对y的影响越不显著 所占的比重越大，回 归方程的代表性越好 均可表明X和y相关关系的密切程度 三个平方和的意义 总平方和(SST—total sum of squares) 反映因变量的 n 个观察值与其均值的总离差。 回归平方和(SSR—sum of squares of regression) 反映自变量 x 的变化对因变量 y 取值变化的影响 或者说，是由于 x 与 y 之间的线性关系引起的 y 的 取值变化，也称为可解释的平方和。 残差平方和(SSE—sum of squares of error) 反映除 x 以外的其他因素对 y 取值的影响， 也称为不可解释的平方和或剩余平方和。 （二）估计标准误差 该指标能反映回归方程的代表性。 越小，说明回归方程的代表性越好。 残差 是 残差平方和 与自由度的比，即： ？ 具体计算时用： （三）判定系数 R2 回归平方和占总离差平方和的比例 该比重越大，回归方程的代表性越好，x和y的相关关系越密切。进行预测时产生的误差就越小。 它和估计标准误差说明的问题一致 说明：在计量经济学中，判定系数又称拟合 优度指标，用它可检验回归方程对样本观 测值的拟合程度。 ☆ 反映回归方程的拟合程度 ☆ 取值范围在 [ 0 , 1 ] 之间 R2 ?1，说明回归方程拟合的越好； R2?0，说明回归方程拟合的越差 ☆ 判定系数等于相关系数的平方，即R2＝r2 对判定系数的说明： 谢谢大家 * * * * * * * * * * * * 返回本节首页 举例：用计算器计算相关系数： 返回本节首页 3、相关系数取值的说明（159页） 返回本节首页 r=1 完全正相关，r=-1 完全负相关， r= 0 不存在线性相关关系 r的绝对值： 0.3-0.5是低度相关； 0.5-0.8是显著相关； 0.8以上是高度相关。 在（-1~ +1）之间： 大于0为正相关； 小于0为负相关 r 取正还是取负取决于分子。 三、相关分析的说明 1、两个变量的关系是对等的，即相关系数只有一个 ，改变自变量和因变量的位置，相关系数的大小和正负不变 返回本节