第23章相关与回归分析-中级经济师.ppt

* * * * 四、相关分析中应注意的问题 （一）相关系数是说明变量之间线性联系程度的，相关系数很小的变量间可能存在非线性联系。 （二）相关系数不能解释两变量间的因果关系，警惕虚假相关导致的错误结论。 （三）不要在相关关系据以成立的数据范围以外，推论这种相关关系仍然保持。 第二节 回归分析 【本节考点】 回归分析的概念 一元线性回归模型 * 相关分析与回归分析的联系 ●共同的研究对象：都是对变量间相关关系的分析 ●只有当变量间存在相关关系时，用回归分析去寻求相关的具体数学形式才有实际意义 ●相关分析只表明变量间相关关系的性质和程度，要确定变量间相关的具体数学形式依赖于回归分析 ● 相关分析中相关系数的确定建立在回归分析的基础上 相关分析与回归分析 回归的古典意义： 高尔顿遗传学的回归概念 父母身高与子女身高的关系: 无论高个子或低个子的子女 都有向人的平均身高回归的 趋势 一、回归分析的含义 什么是回归分析 回归分析是对具有相关关系的变量拟合数学方程，通过一个或一些变量的变化解释另一变量变化的方法。 一、回归分析的含义 什么是回归 回归是由英国著名统计学家Francis Galton在19世纪末期研究孩子及其父母的身高时提出来的。Galton发现身材高的父母，他们的孩子也高。但这些孩子平均起来并不像他们父母那样高。比较矮的父母情形也类似：他们的孩子比较矮，但这些孩子的平均身高要比他们父母的平均身高高。 Galton把这种孩子的身高向中间值靠近的趋势称之为一种回归效应，而他发展的研究两个数值变量之间数量关系的方法称为回归分析。 回归的现代意义 一个因变量对若干解释变量依存关系的研究 回归的目的（实质）： 由固定的自变量去估计因变量的平均值 样本 总体 自变量固定值 估计因变量平均值 回归分析的内容和步骤 根据理论和对问题的分析判断，区分自变量（即解释变量）和因变量（即被解释变量）； 从一组样本数据出发，设法确定合适的数学方程式（即回归模型regression model）描述变量间的关系； 对数学方程式（回归模型）的可信程度进行统计检验，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； 利用数学方程式（回归模型），根据一个或几个自变量的取值来估计或预测因变量的取值，并给出这种估计或预测的精确程度。 回归分析与相关分析的区别 相关分析中，变量 x 与 y 处于平等地位；回归分析中具有相关关系的变量之间地位是非对等的，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 相关分析主要描述变量之间相关关系的密切程度；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估计和预测 回归模型的类型 按涉及变量多少分为：一元回归和多元回归 按变量相关的形式分：线性回归和非线性回归 （本节仅讨论一元回归分析问题） 一个自变量 两个及以上自变量 回归模型 多元回归 一元回归 线性回归 非线性回归 线性回归 非线性回归 回归分析与相关分析的关系 （一）联系 1.它们具有共同的研究对象。 2.在具体应用时，常常必须互相补充。 相关分析需要依靠回归分析来表明现象数量相关的具体形式，而回归分析则需要依靠相关分析来表明现象数量变化的相关程度。只有高度相关时，进行回归分析寻求其相关的具体形式才是有意义的。 * 回归分析与相关分析的关系 （二）区别 相关分析与回归分析在研究目的和方法上具有明显的区别 1、相关分析研究变量之间相关的方向和相关的程度。 2、回归分析是研究变量之间相关关系的具体形式，它对具有相关关系的变量之间的数量联系进行测定，确定相关的数学方程式，根据这个数学方程式可以从已知量来推测未知量，从而为估算和预测提供了一个重要方法。 * 二、一元线性回归模型 1、一元线性回归模型 一元线性回归模型，是研究两个变量之间相关关系的最简单的回归模型。为模型的参数；即误差项，是一个随机变量。 X为自变量。 一元线性回归只涉及一个自变量。描述因变量如何依赖自变量和误差项的方程称为回归模型。 在现实中，模型的参数 都是未知的，需要利用样本数据去估计，采用的估计方法是最小二乘法。最小二乘法就是使得因变量的观测值与估计值之间的离差平方和最小来估计 的方法。 * 二、一元线性