第8章相关与回归分析.pptVIP

一、回归分析概述 二、一元线性回归模型 三、回归估计标准误差 ★ ★ §8.2　一元线性回归分析 ★ 估计标准误差 是因变量各实际值与其估计值之间的平均差异程度，表明其估计值对各实际值代表性的强弱；其值越小，回归方程的代表性越强，用回归方程估计或预测的结果越准确。 【例】计算前面拟合的工业总产值对能源消耗量回归方程的回归标准差 资料 * STAT * STAT 第八章 回归分析与相关分析 §8.1　相关分析概述 §8.2　一元线性回归分析 相关和回归分析是研究事物的相互关系、测定它们联系的紧密程度、揭示其变化的具体形式和规律性的统计方法，是构造各种经济模型、进行结构分析、政策评价、预测和控制的重要工具。 ★ 一、相关分析的意义 二、相关关系的测定 §8.1　相关分析概述 ★ ⒈ 出租汽车费用与行驶里程： 总费用=行驶里程 ? 每公里单价 ⒉ 家庭收入与恩格尔系数： 家庭收入高，则恩格尔系数低。 函数关系 （确定性关系） 相关关系 （非确定性关系） 比较下面两种现象间的依存关系 现象间的依存关系大致可以分成两种类型： 函数关系 指现象间所具有的严格的确定性的依存关系 相关关系 指客观现象间确实存在，但数量上不是严格对应的依存关系 函数关系与相关关系的区别 ⒈函数关系是变量之间的一种完全确立性的关系。即某一变量发生变化，另一变量就有一个确定值与之相对应；相关关系一般是不完全确定的关系，即对自变量的一个值，与之对应的因变量值不是唯一的。⒉函数关系通常可以用数学公式准确的表示出来。 相关分析的意义 现象之间的相互联系，在许多情况下表现为一定的因果关系，将这些现象数量化则成为变量：其中一个或若干个起着影响作用的变量称为自变量，通常用X表示，它是引起另一现象变化的原因，是可以控制、给定的值；而受自变量影响的变量称为因变量，通常用Y表示，它是自变量变化的结果，是不确定的值。 相关分析的意义 ⒈按涉及变量的多少分为 相关关系的种类 ⒉按照表现形式不同分为 ⒊按照变化方向不同分为 一元相关 多元相关 直线相关 曲线相关 负相关 正相关 相关分析的意义 一、相关分析的意义 二、相关关系的测定 §8.1　相关分析概述 ★ ★ 简单 相关表 适用于所观察的样本单位数较少，不需要分组的情况 分组 相关表 适用于所观察的样本单位数较多标志变异又较复杂，需要分组的情况 将现象之间的相互关系，用表格的形式来反映。 相关表 正 相 关 负 相 关 曲线相关 不 相 关 x y x y x y x y 又称散点图，用直角坐标系的x轴代表自变量，y轴代表因变量，将两个变量间相对应的变量值用坐标点的形式描绘出来，用以表明相关点分布状况的图形。 相关图 在直线相关的条件下，用以反映两变量间线性相关密切程度的统计指标，用r表示 相关系数 相关系数r的取值范围：-1≤r≤1 r0 为正相关，r 0 为负相关； |r|=0 表示不相关； |r|＝1 表示完全相关(即函数关系)； 0|r|1表示存在不同程度线性相关： |r| 0.5 为低度相关； 0.5≤ |r| ＜0.8为显著相关； 0.8≤|r| 为高度相关。 【例】计算工业总产值与能源消耗量之间的相关系数 资料 结论：工业总产值与能源消耗量之间存在高度的正相关关系，能源消耗量x的变化能够解释工业总产值y变化的95.2﹪。 第六章 相关与回归分析 §8.1　相关分析概述 §8.2　一元线性回归分析 ★ ★ 一、回归分析概述 二、一元线性回归模型 三、回归估计标准误差 §8.2　一元线性回归分析 ★ 回归分析 指根据相关关系的数量表达式（回归方程式）与给定的自变量x，揭示因变量y在数量上的平均变化和求得因变量的预测值的统计分析方法 回归：退回regression 回归分析与相关分析 理论和方法具有一致性； 无相关就无回归，相关程度越高，回归越好； 相关系数和回归系数方向一致，可以互相推算。 联系： 相关分析中x与y对等，回归分析中x与y要确定自变量和因变量； 相关分析中x、y均为随机变量，回归分析中只有y为随机变量； 相关分析测定相关程度和方向，回归分析用回归模型进行预测和控制。 回归分析与相关分析 区别： 回归分析的种类 一元回归 （简单回归） 多元回归 （复回归） 线性回归 非线性回归 一 元线性回归 Simple Linear regression 按自变量的 个数分 ⒈ 按回归曲线的形态分 ⒉ 一、回归分析概述 二、一元线性回归模型 三、回归估计标准误差 ★ ★ §8.2　一元线性回归分析 一元线性回归模型 对于经验判断具有线性关系的两个变量y与x，构造一元线性回归模型为：