第7章节相关与回归剖析”.pptVIP

§7.1 变量间的相关关系 一、变量间的关系 二、相关关系的描述与测度 三、相关系数的显著性检验 四、等级相关系数 一、变量间的关系 1.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 2.相关关系(correlation) 二、相关关系的描述与测度 1.散点图(scatter diagram) 2.相关系数(correlation coefficient) （1）概念： 对变量之间关系密切程度的度量，两个变量之间线性相关程度的度量称为简单相关系数。 （2）分类： 总体相关系数：根据总体全部数据计算的，记为? 样本相关系数：根据样本数据计算的，记为 r （3）样本相关系数的计算公式： （4）相关系数的取值及其意义 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，为完全负正相关 r = 0，不存在线性相关关系 -1?r0，为负相关； 0r?1，为正相关 |r|越趋于1表示关系越密切；越趋于0则越不密切。 三、相关系数的显著性检验 （1）含义：检验两个变量之间是否存在线性相关关系 （2 ）检验的步骤： 提出假设：H0：? ? ? ；H1： ? ? 0 计算检验统计量： 确定显著性水平?，并作出决策： 若?t?t???，拒绝H0 若?t?t???，接受H0 四、等级相关系数 1.概念： 将两组变量按顺序等级排列，在等级的基础上计算等级相关系数，从而反映两组变量之间联系的密切程度。称为斯皮尔曼等级相关系数 2. 计算公式： §7.2 一元线性回归 一、回归分析概述 二、一元线性回归模型 三、一元线性回归模型的参数估计 四、一元线性回归模型的统计检验 五、一元线性回归模型预测 六、应用实例——统计软件的应用 一、回归分析概述 （一） 回归分析的基本概念 （二）总体回归函数 （三）随机扰动项 （四）样本回归函数 （一） 回归分析的基本概念 回归分析(regression analysis)是研究一个变量关于另一个（些）变量的具体依赖关系的计算方法和理论。 前一个变量被称为被解释变量（Explained Variable）或应变量（Dependent Variable），后一个（些）变量被称为解释变量（Explanatory Variable）或自变量（Independent Variable）。 主要内容包括： （1）根据样本观察值对经济计量模型参数进行估计，求得回归方程； （2）对回归方程、参数估计值进行显著性检验； （3）利用回归方程进行分析、评价及预测。 （二）总体回归函数 回归分析关心的是根据解释变量的已知或给定值，考察被解释变量的总体均值，即当解释变量取某个确定值时，与之统计相关的被解释变量所有可能出现的对应值的平均值。 由于不确定因素的影响，对同一收入水平X，不同家庭的消费支出不完全相同； 但由于调查的完备性，给定收入水平X的消费支出Y的分布是确定的，即以X的给定值为条件的Y的条件分布是已知的： 例如：P(Y=561|X=800）=1/4。 因此，给定收入X的值Xi，可得消费支出Y的条件均值或条件期望（conditional expectation）：E(Y|X=Xi)。 本例中：E(Y | X=800)=605 在给定解释变量Xi条件下被解释变量Yi的期望轨迹称为总体回归线（population regression line），或更一般地称为总体回归曲线（population regression curve）。 相应的函数： （三）随机扰动项 总体回归函数说明在给定的收入水平Xi下，该社区家庭平均的消费支出水平。但对某一个别的家庭，其消费支出可能与该平均水平有偏差。 称?i为观察值Yi围绕它的期望值E(Y|Xi)的离差（deviation），是一个不可观测的随机变量，又称为随机干扰项（stochastic disturbance）或随机误差项（stochastic error）。 例2.1中，个别家庭的消费支出为： （1）该收入水平下所有家庭的平均消费支出E(Y|Xi)，称为系统性（systematic）或确定性（deterministic)部分。 （2）其他随机或非确定性（nonsystematic)部分?i ，表明被解释变量除了受解释变量的系统性影响外，还受其他因素的随机性影响。 随机误差项主要包括下列因素的影响： 1）在解释变量中被忽略的