相关及回归.docVIP

第九章 相关与回归 简单线性相关分析 例9.1 （9-1） 1．Excel进行相关分析： （1）输数据: 将数据输入A1:C9单元格。 （2）绘制散点图: 图9.1 简单相关系数及散点图 3. 计算相关系数 选择工具菜单之数据分析选项, 在分析工具框中“相关系数”。 相关系数对话框将显示为图9.2所示，它带输入输出的提示。 图9.2 相关系数对话框 1) 输入 输入区域：B1:C9 分组方式：逐列 选择标志位于第一行 2) 输出选项 输出区域: A13 (2)．单击确定，Excel将计算出结果显示在输出区域中。 4. 相关系数假设检验 在单元格F14中输入公式 =B15/SQRT((1-B15^2)/(8-2)) 计算得相关系数的t值为49.46 在单元格F15中输入公式 =TDIST(ABS(F14),B-2,2) 计算得 p=0.0001 (3) 结论: 由于r=-0.9689, 且p0.05, 所以, 在0.05水平上拒绝原假设, 认为产品产量与单位成本间有负的线性相关关系 简单回归分析 上面的简单相关分析只是说明两变量之间的线性关系密切的程度，如果要建立它们之间线性依存的关系式，就需用回归分析。可按下列步骤使用“回归”分析工具： 1. 输数据: 将数据输入A1:C9单元格。 2. 回归分析: (1) 选择工具菜单之数据分析选项, 在分析工具框中“回归”。回归对话框将显示为图9.3所示， 图9.3 回归分析对话框 1) 输入 Y值输入区域：C1:C9 X值输入区域：B1:B9 标志: 选择 常数为零: 只有当用户想强制使回归线通过原点(0,0)时才选此框 置信度: Excel自动包括了回归系数的95％置信区间。要使用其他置信区间, 选择该框并在Confidence Levet框中输入置信水平 2) 输出选项 输出区域: D1 3) 残差 残差(R)：选择此框可得到预测值和残差(Residual)。 残差图(D): 选择此框可得到残差和每一x值的图表。 标准残差(T)：选择此框可得到标准化的残差,每一残差被估计标准误差除)。这一输出可使曲线较容易分层。 线性拟合图(I)：选择此框可得到一含有y输入数据和拟合的y值的散点图。 4) 正态概率图: 绘制因变量的正态概率图 (2)．单击确定，Excel将计算出结果显示在输出区域中。 图9.4 回归分析结果 3. 回归解释 拟合回归线的截距和斜率放在图9.4的总结输出中标记有“Coeffients’’的左下部。截距系数77.30769是线性回归方程中的常数项，x系数-0.80769是斜率。回归方程是： y＝77.30769-0.80769 * x 图9.5 残差及拟合线 在图9.5所示的残差输出中，预测 y，有时又称拟合值，是用这个回归方程计算的单位成本的估计值。残差是实际值和拟合值之间的差值。 回答“拟合关系怎么样”问题的最通用的四个方法是标准误差，R2，t统计值和方差分析。标准误差0.83205显示在图9.4的单元E7中。作为残数的标准偏差，它衡量单位成本在回归线周围的分散情况，标准误差通常称为估计标准误差。 R2（R Square），如图9.4的单元E5所示，衡量用回归线解释的因变量变化的比例。这一比例必击是0和1之间的一个数据，经常以百分数表示。这里，约有的94％的单位成本的变化是在线性方程中用产品产量做为预测因子来解释的。单元E6显示的Adjusted R square在用附加解释变量把此模型和其他模型比较时很有用。