第八章_回归分析.pptVIP

第八章_回归分析 8.1 回归分析基础 8.2 用Excel进行回归分析处理 8.3 上机实验八 用Excel进行回归分析 回归和相关已成为统计学中最基本的概念之一，其分析方法已是最标准、最常用的统计工具之一。从狭义上看，相关分析的任务主要是评判现象之间的相关程度高低以及相关的方向，而回归分析则是在相关分析的基础上进一步借用数学方程将那种显著存在的相关关系表示出来，从而使这种被揭示出的关系具体化并可运用于实践中去。从广义的角度去理解相关和回归，此时回归分析就包含着相关分析。 【实例描述】 1887年生物统计学家高尔顿在研究豌豆和人体的身高遗传规律时，首先提出“回归”的思想 。1888年他又引入“相关”（Correlation）的概念。原来，他在研究人类身高的遗传时发现，不管祖先的身高是高还是低，成年后代的身高总有向一般人口的平均身高回归的倾向。 8.1 回归分析基础 8.1.1 一元线性回归 8.1.2 多元线性回归 8.1.3 逐步回归 8.1.1 一元线性回归 回归分析最简单的情形是一个自变量和一个因变量，且它们有线性关系，这叫一元线性回归，即模型为Y＝A＋BX＋ε，这里X是自变量，Y是因变量，ε是随机误差，通常假定随机误差的均值为0，方差为σ2（σ20）,σ2与X的值无关。 A和B为未知待估的总体参数，又称其为回归系数。 8.1.1 一元线性回归 如何根据样本资料去估计就成为回归分析的基本任务。由此可以假设样本的回归方程如下： 8.1.1 一元线性回归 例8-1:为研究某类企业的生产量和单位成本之间的关系，现随机抽取10个企业，得如下数据（见表8-1）： 8.1.1 一元线性回归 8.1.2 多元线性回归 总体的多元线性回归方程为 8.1.2 多元线性回归 设样本为(x1，x2，…，xk，y)，利用最小二乘法可估计出回归方程中的参数，即要求 8.1.2 多元线性回归 例8-2：为研究某商品的需求量、价格、消费者收入三者之间的关系，经调查得如表8-3所示资料： 8.1.2 多元线性回归 8.1.2 多元线性回归 8.1.3 逐步回归 逐步回归分析的主要计算步骤如下： （1）确定F检验值 （2）逐步计算 如果已计算t步(包含t＝0), 且回归方程中已引入l个变量, 则第t+1步的计算为: ①计算全部自变量的贡献V(偏回归平方和)。 ②在已引入的自变量中, 检查是否有需要剔除的不显著变量。 在已引入的变量中选取具有最小V‘值的一个并计算其F值, 如果F=F2, 表示 该变量不显著, 应将其从回归方程中剔除, 计算转至③。 如FF2,则不需要剔除变量, 这时则考虑从未引入的变量中选出具有最大V值的一个并计算F值, 如果FF1, 则表示该变量显著, 应将其引人回归方程, 计算转至③。 如果F = F1, 表示已无变量可选入方程, 则逐步计算阶段结束, 计算转人（3） ③剔除或引人一个变量后, 相关系数矩阵进行消去变换, 第t+1步计算结束。其后重复①~③计算。 （3）其他计算, 主要是回归方程入选变量的系数、复相关系数及残差等统计量的计算 8.2 用EXCEL进行回归分析处理 8.2.1相关函数 8.2.2 Excel回归分析工具 8.2.1相关函数 1．线性回归函数LINEST 功能 :运算结果返回一线性回归方程的参数，即当已知一组混合成本为Y因变量序列值、N组Xi有关自变量因素的数量序列值时，函数返回回归方程的系数mi（i=1,2…n单位变动成本）和常数b（固定成本或费用）。 多元回归方程模型则为：y=m1x1＋m2x2……＋mnxn＋b。 8.2.1相关函数 语法：LINEST (known_ys, known_xs, const, stats)。其中Known_ys?是关系表达式 y = mx + b 中已知的 y 值集合；Known_xs是关系表达式 y = mx + b 中已知的可选 x 值集合；Const?为一逻辑值，用于指定是否将常量 b 强制设为 0；Stats为一逻辑值，指定是否返回附加回归统计值。 8.2.1相关函数 附加回归统计值如下： 8.2.1相关函数 ?例8-3：计算柯布-道格拉斯生产函数（Cobb-Douglas ）：lnQ = lnA + a lnL + b lnK，式中Q为产出，L和K分别表示劳动和资本投入量，A表示平均生产技术水平， a和b分别是Q相对于L和K的弹性。使用下表的统计数据，求线性回归参数A, a, b。 8.2.1相关函数 8.2.1相关函数 （1）建立“线性回归”工作表，如图8-1所示。 8.