第7章 相关与回归的分析.pptVIP

第 7 章 相关与回归分析 第7章 相关与回归分析 7.1 变量间关系的度量 7.2 一元线性回归 7.1 变量间关系的度量 变量间的关系 相关关系的描述与测度 变量间的关系 函数关系 1. 是一一对应的确定关系 2. 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 3. 各观测点落在一条线上 函数关系(几个例子) ? 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 = px (p 为单价) 圆的面积(S)与半径之间的关系可表示为S=?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)之间的关系可表示为y = x1 x2 x3 相关关系(correlation) 1. 变量间关系不能用函数关系精确表达 2. 一个变量的取值不能由另一个变量唯一确定 3. 当变量 x 取某个值时，变量 y 的取值可能有几个 4. 各观测点分布在直线周围 相关关系(几个例子) 相关关系的描述与测度(散点图) 散点图 用坐标的横轴代表自变量x,纵轴代表因变量y,每组数据(xi,yi)在坐标系中用一个点表示,n组数据在坐标系中形成的n个点称为散点 由坐标及其散点形成的二维数据图称为散点图 散点图(scatter diagram) 相关关系(类型) 散点图(例题分析) 【例】一家大型商业银行在多个地区设有分行，其业务主要是进行基础设施建设、国家重点项目建设、固定资产投资等项目的贷款。近年来，该银行的贷款额平稳增长，但不良贷款额也有较大比例的增加，这给银行业务的发展带来较大压力。为弄清楚不良贷款形成的原因，希望利用银行业务的有关数据做些定量分析，以便找出控制不良贷款的办法。下面是该银行所属的25家分行2002年的有关业务数据 散点图(例题分析) 散点图(例题分析) 相关关系的描述与测度(相关系数) 相关系数(correlation coefficient) 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? 若是根据样本数据计算的，则称为样本相关系数，记为 r 相关系数 (计算公式) ? 样本相关系数的计算公式 相关系数(例题分析) 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 -1?r0，为负相关 0r?1，为正相关 |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 7. 根据经验将相关程度分为以下几种情况: 当|r|≥0.8时,高度相关 当0.5≤|r|0.8时,中度相关 当0.3≤|r|0.5时,低度相关 当|r|0.3时,不相关 相关系数(取值及其意义) 7.2 一元线性回归 一元线性回归模型 参数的最小二乘估计 回归分析与相关分析的区别 相关分析中，变量 x 变量 y 处于平等的地位；回归分析中，变量 y 称为因变量，处在被解释的地位，x 称为自变量，用于预测因变量的变化 相关分析中所涉及的变量 x 和 y 都是随机变量；回归分析中，因变量 y 是随机变量，自变量 x 可以是随机变量，也可以是非随机的确定变量 相关分析主要是描述两个变量之间线性关系的密切程度；回归分析不仅可以揭示变量 x 对变量 y 的影响大小，还可以由回归方程进行预测和控制 什么是回归分析？(Regression) 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影响显著，哪些不显著 利用所求的关系式，根据一个或几个变量的取值来预测或控制另一个特定变量的取值，并给出这种预测或控制的精确程度 回归模型的类型 一、一元线性回归模型 一元线性回归 涉及一个自变量的回归 因变量y与自变量x之间为线性关系 被预测或被解释的变量称为因变量(dependent variable)，用y表示 用来预测或用来解释因变量的一个或多个变量称为自变量(independent variable)，用x表示 因变量与自变量之间的关系用一个线性方程来表示 一元线性回归模型 描述因变量 y 如何依赖于自变量 x 和误差项? 的方程称为回归模型 一元线性回归模型可表示为 y =