第11章_一元线性回归.ppt

学习目标 1. 相关关系的分析方法 一元线性回归的基本原理和参数的最小二乘估计 回归直线的拟合优度 回归方程的显著性检验 利用回归方程进行估计和预测 用 Excel 进行回归 函数关系与相关关系 事物或现象之间总是相互联系的，并且可以通过一定的数量关系反映出来。比如，教育需求量与居民收入水平之间，科研投入与科研产出之间等等，都有着一定的依存关系。而这种依存关系一般可分为两种类型：一种是函数关系，另一种是相关关系。 函数关系 是指事物或现象之间存在着严格的依存关系，其主要特征是它的确定性，即对一个变量的每一个值，另一个变量都具有惟一确定的值与之相对应。变量之间的函数关系通常可以用函数式 确切地表示出来。例如，圆的周长C对于半径r的依存关系就是函数关系：C=2πr。 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 函数关系(几个例子) 相关关系 如果我们所研究的事物或现象之间，存在着一定的数量关系，即当一个或几个相互联系的变量取一定数值时，与之相对应的另一变量的值虽然不确定，但按某种规律在一定的范围内变化。我们把变量之间的这种不稳定、不精确的变化关系称为相关关系。相关的概念是19世纪后期，英国弗朗西斯·高尔顿爵士在研究遗传的生物与心理特性时提出的。 相关关系反映出变量之间虽然相互影响，具有依存关系，但彼此之间是不能一一对应的。例如，学生成绩与其智力因素、各科学习成绩之间的关系、教育投资额与经济发展水平的关系、社会环境与人民健康的关系等等，都反映出客观现象中存在的相关关系。 相关关系(correlation) 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 的取值对应着一个分布 各观测点分布在直线周围 相关关系的种类 1）根据相关程度的不同，相关关系可分为完全相关、不完全相关和无相关。 2）根据变量值变动方向的趋势，相关关系可分为正相关和负相关。 3）根据变量关系的形态，相关关系可分为直线相关和曲线相关。 4）根据研究变量的多少，可分为单相关、复相关 。 相关关系(类型) 相关关系的描述与测度(散点图) 相关分析correlation analysis 在统计学中，一般将描述和分析两个或两个以上变量之间相关的性质及其相关程度的过程，称之为相关分析。 相关分析：是研究现象之间是否存在某种依存关系，并对具体有依存关系的现象探讨其相关方向以及相关程度，是研究随机变量之间的相关关系的一种统计方法。 相关关系是一种非确定性的关系，例如，以X和Y分别记一个人的身高和体重，或分别记每公顷施肥量与每公顷小麦产量，则X与Y显然有关系，而又没有确切到可由其中的一个去精确地决定另一个的程度，这就是相关关系。 相关分析的目的主要是力求通过具体的数量描述，呈现研究变量之间的相互关系的密切程度及其变化规律，探求相互关系的研究模式，以利于统计预测和推断，为做出正确决策提供参考依据。  相关分析的作用 （1）判断变量之间有无联系 确定研究现象之间是否具有依存关系，这是相关分析的起点，也是我们研究各种现象之间相互关系的前提条件。因为只有确定了依存关系的存在，才有继续研究和探索各种现象之间相互作用、制约以及变化规律的必要和价值。 （2）确定选择相关关系的表现形式及相关分析方法 在确定了变量之间存在依存关系之后，就需要明确体现变量相互关系的具体表现形式。在此基础上，选择恰当的相关分析方法，只有这样才能确保研究目的的实现，收到预期的效果。否则，如果把非线性相关错判为线性相关，按照线性相关的性质选择相关分析的方法，就会导致错误的结论。 （3）把握相关关系的方向与密切程度 我们知道，变量之间的相关关系是一种不精确的数量关系，相关分析就是要从这种不确定的数量关系中，判断相关关系的方向和密切程度。 （4）相关分析不但可以描述变量之间的关系状况，而且用来进行预测。另外，相关分析还可以用来评价测量量具的信度、效度以及项目的区分度等。 怎样分析变量间的关系？ 建立回归模型时，首先需要弄清楚变量之间的关系。分析变量之间的关系需要解决下面的问题 变量之间是否存在关系？ 如果存在，它们之间是什么样的关系？ 变量之间的关系强度如何？ 样本所反映的变量之间的关系能否代表总体变量之间的关系？ 相关分析的前提条件 在进行相关分析时，对总体有以下两个主要假定 两个变量之间是线性关系 两个变量都是随机变量 散点图(scatter diagram) 散点图(例题分析) 【例】一家大型商业银行