第7章_回归分析法.pptVIP

案例引入; 7.1 概述 7.2 一元线性回归分析法 7.3 多元线性回归分析法 7.4 非线性回归分析法;7.1 概述;7.1 概述;3. 回归分析法主要解决以下两个问题 一是确定几个变量(X与Y)之间是否存在因果关系、相关 关系（ X1与X2等），如果存在，找出他们之间适当的 数学表达式； 二是根据一个或几个变量的值，预测或控制另一个或几 个变量的值，且要估计这种控制或预测可以达到何种精 确度。 ;7.1 概述;7.1.2 类型;7.1.3 步骤; 7.1 概述 7.2 一元线性回归分析法 7.3 多元线性回归分析法 7.4 非线性回归分析法;7.2.1 设定回归方程 两个定距变量的回归是用函数y= f（x）来分析的。 我们最常用的是一元回归方程 ;7.2.1 设定回归方程 ;7.2.1 设定回归方程 ;7.2.1 设定回归方程 ;7.2.1 设定回归方程 ;7.2.2 确定回归系数 ;7.2.2 设定回归方程 用SPSS软件实现演示(在变量窗口中建立变量） ;7.2.2 设定回归方程 ;7.2.2 设定回归方程 ;7.2.2 设定回归方程 ;7.2.2 设定回归方程 ;7.2.2 设定回归方程 ;7.2.2 设定回归方程 ;7.2.3 相关性检验 1.相关性检验的含义 对回归模型描述实际数据的近似程度，也即对所得的回归模型的可信程度进行检验，称为相关性检验。 ;3.r的取值情况 ;情况二;情况三;情况四;4.相关系数临界值 上面的讨论中,知道只有当r比较大时,才可以用回归直线来近似地描述y与x的关系.那么r应该至少大到什么程度,才可以使得用回归直线来描述y与x的关系达到足够好的近似程度?相关系数的最低值称为相关系数临界值,记为ra,它是相关性检验的标准。 ; 7.1 概述 7.2 一元线性回归分析法 7.3 多元线性回归分析法 7.4 非线性回归分析法; 多元线性回归的提出背景 在信息分析研究中，研究对象的变化往往和多个因素有关，是多个因素的同时作用导致研究对象的变化，而不是只受一个因素的影响。在某些情况下，这多个因素的作用能够分出明显的主次，这样我们就可以找出一个主要因素，而忽略其他次要因素，进而研究该对象和该主要因素之间的定量关系并预测对象的发展。但在许多实际问题中，一元线性回归分析只不过是回归分析中的一种特例，它通常是我们对影响某种现象的许多因素进行了简化考虑的结果。在实践活动过程中，我们更多遇到的是，一个因变量往往与多个自变量有关。 ; 案例引入 某公司管理人员要预测来年该公司的销售额y时，研究认为影响销售额的因素不只是广告宣传费x1，还有个人可支配收入x2、价格x3、研究与开发费用x4、各种投资x5、销售费用x6等。这样因变量y就与多个自变量x1 ，x2 ，x3 ，x4 ，x5 ，x6有关。; 多元线性回归例题1 土地问题是当今世界令人瞩目的重大经济问题，人口和经济发展都和土地之间存在着密不可分的联系。人口数（X1）、粮食总产量（X2）和粮食作物面积（X3）是影响土地面积（Y）的重要因素。因变量土地面积与三个自变量之间呈线形相关，因此用三元线形回归方程来分析。某地区的基本数据见 ; 用SPSS进行求解(在变量窗口中建立变量）; 用SPSS进行求解(在数据窗口中输入数据）; 用SPSS进行求解(分析-回归分析-线性）; 用SPSS进行求解(选择变量）; 用SPSS进行求解; 多元线性回归例题2 某地区1973年到1990年水稻产量和水稻播种面积、化肥使用量、生猪存栏数以及水稻扬花期降水量的数据资料，数据中有18个观测样本，代表了1973到1990共18个年份，有7个属性变量：id（序号）、x1（水稻播种面积）、x2（化肥使用量）、x3（生猪存栏数）、x4（水稻扬花期降水量）、y水稻产量、year（年份）。 问题：用线性回归分析为该地区水稻产量寻求一个恰当的回归模型，分析产量对它具有显著影响因素之间的关系。;;　 　 　 　;　 　 　 　;　 　 　 　;　 　 　 　; 本章重点; 实践问题讨论