管理定量分析5.pptVIP

管理定量分析 主讲人：赵丽 政治与公共事务管理学院 zyz@sgu.edu.cn 第五章 相关分析与回归分析 第一节 相关关系 第二节 线性回归分析 第三节 其他回归分析 第四节 注意事项 一、关系 表述两个或两个以上变量之间的联系 1、函数关系 一种最严格的、确定的因果关系。给出一个自变量x的值，只有一个相应的因变量y的值；给出一对有序的实数组（x，y），也只有一个z值与之对应。 2、相关关系 两个有因果关系的量，虽互相依存，但不一定是“一对一”的；不一定有计算式建立其间的对应关系。即自变量x在取值范围内选取不同的值，因变量y虽然跟着变化，但是变化可能不是唯一的，也没有固定的、严格的对应规律。 二、线性相关和非线性相关 三、正相关、负相关 正相关：一个变量大体上随着另一个变量的增加而增加。 负相关：一个变量基本上随着另一个变量的增加而减少。 线性相关：当一组变量大体上按照比例随另一组变量增长或下降，就说它们是线性相关。 例题：不同年龄段的人对自然环境的感受分布见表1，调查用抽样打分的办法，按5个等级评分，满分为5分；表中所列为各年龄段的评分均值。 要求 （1）分析这种感受与年龄段是否相关？ （2）这些感受之间是否相关？ （3）在分析的基础上，做出你的定性分析。 四、相关系数 简单相关系数：用CORREL函数计算。用于测度数据间的线性关系，而不用于测度非线性关系。 皮尔生系数：用PEARSON函数计算。 SPSS 可以用相关系数的变化范围判断两组变量的相关程度： r = 0 完全不相关 0＜︱r︱≤0.3 基本不相关 0.3＜︱r︱≤0.5 低度相关 0.5＜︱r︱≤0.8 显著相关 0.8＜︱r︱＜1 高度相关 ︱r︱=1 完全相关 r＞0 正相关 r＜0 负相关 回归的概念最早由遗传学家弗朗西斯?高尔顿发现。 在寻找遗传法则时，他发现儿子的身高倾向于向（父辈）回归——高个子的父亲倾向于有个子略矮于自己的高个子儿子，而矮个子的父亲倾向于有个子略高于自己的矮个子儿子。 高尔顿称之为“向平均水平回归”，并发展了回归分析的方法。 一、回归直线 1、回归函数： 当Y中的变量按照某种规律，随着X中变量的变化而变化，两者存在因果关系。当它们又有较高的相关系数，就可以用某个适当的函数表示它们之间的因果联系，称这个函数为“回归函数”。 2、回归直线 变量X和变量Y线性相关时，就能用线性函数y = α + b x“近似地”描述它们之间的联系，对应的曲线是平面上的直线。 称这个直线方程y =α + b x为一元回归方程，对应的直线叫回归直线。 对于两个相关数组X和Y，使用最小二乘法求回归直线方程。 回归直线方程： y =α + b x 其中： a=y-bx=(∑y- b∑x)/n ∑xy-nxy n ∑xy- ∑x ∑y b= = ∑x2-n x 2 n ∑x2-(∑ x) 2 注： 利用INTERCEPT计算截距α；用SLOPE函数求斜率b。 当时间序列的变化原因未被具体掌握时，常常把时间作为形式上的“自变量”，这时就可以用“趋势回归”分析。 最小二乘法的原则是：使所有实际值y与对应的回归直线的估算值的平方和最小。 [例]下表给出1993-1999年浦东新区对教育的投入，求回归直线，并做相应统计分析。 [解]把时间作为回归的形式参数。 假设年份在第一行，投入在第二行，数据从A列至G列，用函数计算得： α = INTERCEPT（A2:G2，A1:G1）=5 b = SLOPE（A2:G2，A1:G1）=12962.94 回归直线公式： ? = -5 + 12962.94 x 二、估计值的误差 1、估算 根据历史的资料得到两组变量“线性相关”的结论，就可以用回归直线方程回溯某个“历史数据”，也可以估算“未来”的数据。 2、估算误差 回归直线只是近似地刻画两组变量的函数关系，所以不论是对“历史”的回溯，还是对“未来”的推算，都只是一种“估计”。既然是估计就会有误差，就需要计算和分析误差的方法。 用