第7章相关与回归。选读.docx

第七章 相关与回归分析 学习内容 一、变量间的相关关系 二、一元线性回归 三、线性回归方程拟合优度的测定 学习目标 1. 掌握相关系数的含义、计算方法和应用 2. 掌握一元线性回归的基本原理和参数的最小二 3. 掌握回归方程的显著性检验 4. 利用回归方程进行预测 5. 了解可化为线性回归的曲线回归 6. 用 Excel 进行回归分析 一、变量间的相关关系 1. 变量间的关系（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。 4） 函数关系的例子 – 某种商品的销售额(y)与销售量(x)之间的关系可表示为 y = p x (p 为单价)。 – 圆的面积(S)与半径之间的关系可表示为S = π R2 。 – 企业的原材料消耗额(y)与产量x1、单位产量消耗x2、原材料价格x3间的关系可表示为y =x1 x2 x3 。 单选题 下面的函数关系是（ ） A、销售人员测验成绩与销售额大小的关系 B、圆周的长度决定于它的半径 C、家庭的收入和消费的关系 D、数学成绩与统计学成绩的关系 2. 变量间的关系（相关关系） 变量间关系不能用函数关系精确表达。 一个变量的取值不能由另一个变量唯一确定。 当变量 x 取某个值时，变量 y 的取值可能有几个。 各观测点分布在直线周围。 5）相关关系的例子 – 商品的消费量(y)与居民收入(x)之间的关系。 – 商品销售额(y)与广告费支出(x)之间的关系。 – 粮食亩产量(y)与施肥量(x1)、降雨量(x2)、温度 (x3)之间的关系。 – 收入水平(y)与受教育程度(x)之间的关系。 – 父亲身高(y)与子女身高(x)之间的关系。 3. 相关图表 相关表：将具有相关关系的原始数据，按某一顺序平行排列在一张表上，以观察它们之间的相互关系。 相关图：也称为分布图或散点图，它是在平面直角坐标中把相关关系的原始数据用点描绘出来，通常以直角坐标轴的横轴代表自变量x，纵轴代表因变量y。 4. 相关关系的类型 相关关系的图示（散点图） 5. 相关关系的测度（相关系数） 对变量之间关系密切程度的度量。 对两个变量之间线性相关程度的度量称为简单相关系数。 若相关系数是根据总体全部数据计算的，称为总体相关系数，记为ρ。 若是根据样本数据计算的，则称为样本相关系数，记为 r。 样本相关系数的计算公式 化简为 相关系数取值及其意义 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，为完全负相关。) r = 0，不存在线性相关关系。 -1r0，为负相关。 0r1，为正相关。 e) |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。 单选题 ①下列哪两个变量之间的相关程度高（ ） – A、商品销售额和商品销售量的相关系数是0.9 – B、商品销售额和商业利润率的相关系数是0.84 – C、平均流通费用率与商业利润率的相关系数是0.94 – D、商品销售价格与销售量的相关系数是-0.91 ②下列关系中，属于正相关关系的有（ ） – A、合理限度内，施肥量和平均单产量之间的关系 – B、产品产量与单位产品成本之间的关系 – C、商品的流通费用与销售利润之间的关系 – D、流通费用率与商品销售量之间的关系 ③变量之间的相关程度越低，则相关系数值（ ） A、越小 B、越接近于0 C、越接近于-1 D、越接近于1 ④已知Σ(X-Xˉ)2是Σ(Y-Yˉ)2的两倍，并已知Σ(X-Xˉ) (Y-Yˉ)是Σ(Y-Yˉ)2的1.2倍，则相关系数r为（ ） A、不能计算 B、0.6 C、1.2/2 D、1.2/2 多选题 变量之间的不完全相关可以表现为（ ） A、零相关 B、正相关 C、负相关 D、曲线相关 E、相关系数为1 求X与Y的相关系数 编号XY15828143610446522 二、一元线性回归 1. 什么是回归分析？（内容） 从一组样本数据出发，确定变量之间的数学关系式。 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