九相关分析和回归分析.ppt

CHAPTER 9;本章要点;9.1 相关分析概述;9.1.1 相关分析的意义;比较下面两种现象间的依存关系;依存关系有两种类型;现象之间的相互联系，在许多情况下表现为一定的因果关系，将这些现象数量化则成为变量：其中一个或若干个起着影响作用的变量称为自变量，通常用X表示，它是引起另一现象变化的原因，是可以控制、给定的值；而受自变量影响的变量称为因变量，通常用Y表示，它是自变量变化的结果，是不确定的值。;⒈按涉及变量的多少分为;定性分析;相关表;相关图;x;在直线相关的条件下，用以反映两变量间线性相关密切程度的统计指标，用r表示;相关系数r的取值范围：-1≤r≤1;判定系数取值范围：;;【例】计算工业总产值与能源消耗量之间的相关系数及判定系数;9.2　一元线性回归分析Simple Linear Regression Analysis;回归分析;回归分析与相关分析的联系;回归分析与相关分析的区别;回归分析的种类;对于经判断具有线性关系的两个变量y与x，构造一元线性回归模型为：;截距;总体一元线性 回归方程:;随机干扰：各种偶然因素、观察误差和其他被忽视因素的影响;残差(Residual):e;参数a、b的确定：;整理得到由两个关于a、b的二元一次方程组成的方程组：;【分析】因为工业总产值与能源消耗量之间存在高度正相关关系（ ），所以可以拟合工业总产值对能源消耗量的线性回归方程。;即线性回归方程为：;最小二乘法OLS估计的优良性质;一元线性回归模型的假定 Regression Assumption; r＞0 r＜0 r=0 b＞0 b＜0 b=0;判定系数与相关系数的关系;判定系数与相关系数的区别;;9.2.3 回归估计标准差 Standard Error of Estimate;在大样本条件下，可用公式计算：;;总离差平方和Total Deviation Sum of Squares;估计标准差越小，则变量间相关程度越高，回归线对Y的解释程度越高。;Adjusted R Square调整过的判定系数;相关系数的显著性检验（t检验法）;⒊ 给定显著性水平?，确定临界值 ；;【例】检验工业总产值与能源消耗量之间的线性相关性是否显著;9.2.5 回归方程的估计与预测 Estimation and Forecasting;点估计;对于给定的 x = x0 ，Y 的1-?置信区间为：;个别值的估计区间：;利用估???的回归方程，对于自变量 x 的一个给定值 x0 ，求出因变量 y 的平均值的估计区间 ，这一估计区间称为置信区间(confidence interval) E(y0) 在1-?置信水平下的置信区间为;置信区间、预测区间、回归方程;SPSS输出结果（一）;方差分析表;SPSS输出结果（三）;35.00 24.00 21.34872 -1.67557 18.71588 23.98157 38.00 25.00 23.73710 -1.44965 21.36539 26.10881 40.00 24.00 25.32935 -1.29904 23.12509 27.53360 42.00 28.00 26.92160 -1.14842 24.87796 28.96523 49.00 32.00 32.49447 -.62128 30.92932 34.05962 52.00 31.00 34.88284 -.39536 33.45997 36.30572 54.00 37.00 36.47509 -.24475 35.11637 37.83382 59.00 40.00 40.45572 .13179 39.12628 41.78516 62.00 41.00 42.84409 .35771 41.43978 44.24841 64.00 40.00 44.43634 .50832 42.94855 45.92413 65.00 47.00 45.23247 .58363 43.69437 46.77056 68.00 50.00 47.62084 .80955 45.90378 49.33791 69.00 49.00 48.41697 .88485 46.63245 50.20148 71.00 51.00 50.00922 1.03547 48.08053 51.93790 72.00 48.00 50.80534 1.11077 48.80060 52.81008 76.00 58.00 53.98984 1.41200 51.66055 56.31912;;;;重点习题;STATISTICS