(相关及回归11年).ppt

市场分析中的多元回归分析 【例5.1】图5-1是上海市历年关于“电脑销售量、人年均可支配收入和耐用消费品价格指数”的数据资料。要求拟合电脑销售的二元回归线性方程，并对影响电脑销售的因素进分析。（资料来源：《2009年上海统计年鉴》）（例题数据参见“第8章数据资料”之“电脑销售”工作表） 解决步骤：进入“工具”→“数据分析” →“回归”在弹出的对话框中键入如图： 8.1.2 多因素线性回归分析及其解读 实验数据的高精度拟合 解法2：曲线最小平方法。对于上述非线性回归方程的拟合，作非线性规划模型：决策变量：曲线参数 a, b,目标函数：min　z ＝∑[yi - f(xi)])2＝∑[yi – a ebx ])2第一步作设置准备：确定曲线方程所要拟合参数a,b的位置：“B14:B15”； 见图。第二步：在此基础上分别在数据首行设定目标理论值、离差平方和，键入内容可参考图；因为此时拟合的参数值暂时为空白，即为零，所以此时工作表界面暂时为图中所示。 第三步：进入Excel工具栏菜单，选择“工具”→“规划求解”。 第四步：在弹出的对话框中“目标单元格” 项键入离差平方和单元格“D14”，目标项是“最小值”；“可变单元格”项键入所要拟合参数a,b的位置：“B14:B15”； “约束条件”项空缺。具体见图对话框设置。然后按“求解”。 【例8.4】彩色显影中染料光学密度x与析出银光学密度y的实验数据。见图 中的“A1:B13”区域。根据专业理论知识，两者关系可由：y=a eb/x表示，要求拟合曲线方程。（例题数据参见“第8章数据资料”之“析出银”工作表） 解法2：曲线最小平方法。对于上述非线性回归方程的拟合，作非线性规划模型：决策变量：曲线参数 a, b,目标函数：min　z ＝∑[yi - f(xi)])2＝∑[yi – a eb/x ])2第一步：对用目标规划拟合曲线方程作设置准备：确定曲线方程所要拟合参数a,b的位置：“C15:C16” ； 见图。第二步：在此基础上分别在数据首行设定目标理论值、离差平方和，键入内容可参考图；因为此时拟合的参数值暂时为空白，即为零，所以此时工作表界面暂时为图所示。 * * 第九章 相关与回归分析 第一节 相关分析的意义与任务 函数关系 ： 现象之间存在着严格的、确定的数量依存关系。 相关关系： 反映现象之间存在着不严格、不确定的数量依存关系。 种类 按涉及因素多少 单相关 复相关 工业总产值 利税额 产品成本 劳动生产率 按相关关系的表现形态 直线相关 曲线相关 相关关系： 种类 按直线相关变化的方向 正相关 负相关 按相关的程度 完全相关 不完全相关 不相关 相关分析的内容 1．确定现象之间有无相关关系。 2.确定现象之间相关关系的表现形式。 3.确定相关关系的密切程度。 第二节 简单线性相关分析 一、定性分析步骤 一般判断： 根据经济理论、专业知识和实际经验，初步确定现象间有无关系。 建立相关表 搜集现场的实际观察原始资料，编制相关表 。 绘制散布图 可以大致看出两个变量之间有无相关关系、相关的形态、方向和密切程度。 单变量分组表 双变量分组表 1．单变量分组表。 400个女大学生身高和体重相关表 2．双变量分组表 400个女大学生身高和体重相关表 强线性正相关 弱线性正相关 强线性负相关 弱线性负相关 不相关 非线性相关（曲线相关） 二、相关系数的测定与应用 ——定量分析方法 相关系数： 表明两个变量线性相关的方向和密切程度的统计分析指标，用 r 表示。 －１≤　r ≤　＋１ r ＞０，正相关 r ＜０，负相关 1 相关越密切 | r | ＝ １，　完全相关 当 n 较大的时候，可作如下判断： 0.8＜| r |＜1 为 高度相关 0.5＜| r |≤0.8 为 中度相关 | r | 0.3＜| r |≤0.5 为 低度相关 0＜| r | ≤ 0.3 为线性不相关 非线性相关 不相关 相关系数的计算方法 定义公式： （见文本例） 简捷算法： 计算机功能软件的算法： 第三节 回归分析 对具有相关关系的两个变量，确定一个数学表达式，以进行估计或预测。 简单直线回归分析 （一元线性回归） 最小平方法 应用最小平方法原理确定两个待定参数 a、b 的数值，以此配合的数学模型，可以使实际与理论离差的代数和等于零， 即∑( yi – yci ) = 0 使离差的平方和为最小， 即∑( yi – yci )2 = 最小值。 yc代表各估计值；a、b、为二个待定参数； yi yci xi 根据最小平方法原理：∑( yi – yci )2 =min 将直线方程yc=a + bx，代入上式得： ∑[yi-（a+bxi）]2