- 1、本文档共34页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
营销研究第十一章一元线性回归
第十一章 一元线性回归 主讲 石立 从一个实际问题说起 P302,例11.6: 1.分析不良贷款是否与贷款余额、累计应收贷款、贷款项目的多少、固定资产投资等有关? ——相关分析 2.如果有关系,他们有什么样的关系? ——回归分析 本章框架结构 第一节 相关分析 第二节 回归分析:一元线性回归 第一节 相关分析 变量之间的关系 ◆确定性的函数关系 ◆不确定性的统计关系——相关关系 (ε为随机变量) ◆没有关系 分析变量之间相关关系的方法有两类: 相关分析:相关关系的描述——散点图 相关关系的度量——相关系数 回归分析:一元回归分析 多元回归分析 …… ①相关系数的特点 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,表明不存在线性相关关系相关 -1?r0,为负相关;0r?1,为正相关 |r|越趋于1表示关系越密切;|r|越趋于0表示关系越不密切 例题:用Excel计算P304,例11.7中变量之间的相关系数。 第二节 回归分析:一元线性回归 一、什么是回归分析?(Regression) 1.起源:高尔顿 父母身高与子女身高的关系的研究 2.定义:是一个因变量对一个或多个自变量依存关系的研究 具体的:从一组样本数据出发,确定变量之间的数学关系式(即回归模型、回归方程),对这些关系式的可信程度进行各种统计检验,并从影响某一特定变量的诸多变量中找出哪些变量的影响显著,哪些不显著 3.作用:利用所求的关系式,根据一个或几个变量的取值来预测或控制另一个特定变量的取值,并给出这种预测或控制的精确程度 4.回归模型 (1)构成 因变量:被预测或被解释的变量 (dependent variable),常用y表示 ——一个模型只有一个因变量 自变量:用来预测或用来解释因变量的一个或多个变量称为自变量(independent variable),常用x表示 ——可以是一个,也可以是多个。 例:确定P302,例11.6中的因变量和自变量。 (2)类型 从自变量的个数分,有: 一元回归 多元回归 从变量之间的关系分,有: 线性回归 非线性回归 ?本章研究“一元线性回归模型” 二、一元线性回归模型 1、一元线性回归 即:只有一个自变量的回归,因变量y与自变量x之间为线性关系。 2、一元线性回归模型 描述因变量 y 如何依赖于自变量 x 和误差项? 的方程称为一元线性回归模型。 可表示为:y = ?0+?1 x+ ? y 是 x 的线性函数(部分)加上误差项? 线性部分反映了由于 x 的变化而引起的 y 的变化 误差项 ? 是随机变量 反映了除 x 和 y 之间的线性关系之外的随机因素对 y 的影响 是不能由 x 和 y 之间的线性关系所解释的变异性 ?0 和 ?1 称为模型的参数 3、一元线性回归模型的基本假定 因变量y与自变量x之间具有线性关系 在重复抽样中,自变量x的取值是固定的,即x非随机。 误差项ε是一个期望值为0的随机变量,即E(ε)=0。对于一个给定的 x 值,y 的期望值为E (y) =? 0+ ? 1 x 对于所有的x值,ε的方差σ2都相同 误差项ε是一个服从正态分布的随机变量,且相互独立。即ε~N(0,σ2 ) 独立性意味着对于一个特定的 x 值,它所对应的ε与其他 x 值所对应的ε不相关 对于一个特定的 x 值,它所对应的 y 值与其他 x 所对应的 y 值也不相关 4、回归方程(regression equation) 描述 y 的平均值或期望值如何依赖于 x 的方程称为回归方程。 一元线性回归方程的形式如下: E(y) = ?0+ ?1x 方程的图示是一条直线,也称为直线回归方程 ?0是回归直线在 y 轴上的截距,是当 x=0 时 y 的期望值 ?1是直线的斜率,称为回归系数,表示当 x 每变动一个单位时,y 的平均变动值 5、估计的回归方程(estimated regression equation) 总体回归参数?0和?1是未知的,必需利用样本数据去估计,用样本统计量 和 代替回归方程中的未知参数?0和?1,就得到了估计的回归方程。 一元线性回归中估计的回归方程为: 其中: 是估计的回归直线在 y 轴上的截距, 是直线的斜率,它表示对于一个给定的 x 的值, 是y的估计值,也表示 x 每变动一个单位时, y 的平均变动值 【思考】 和 如何计算?
文档评论(0)