投资学相关与回归分析.pptVIP

第八章 相关与回归分析 第一节相关分析 变量间的关系（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 变量间的关系（函数关系） 变量间的关系（相关关系） 变量间关系不能用函数关系精确表达 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 的取值可能有几个 各观测点分布在直线周围 变量间的关系（相关关系） 一、相关的概念 相关关系是指自然界和社会中许多现象之间存在的数量上的相互联系、相互依存、相互制约的关系。 二、相关关系的类型 按涉及的变量分为：简单相关和复相关。 按表现形态分为：直线相关和曲线相关。 直线相关按变化方向分为：正相关和负相关。 按相关程度分为：完全相关、不完全相关、不相关。 相关关系的图示 简单计算公式 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，为完全负正相关 r = 0，不存在线性相关关系相关 -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 四、相关的密切程度 R= 0.3---0.5低度相关 R= 0.5---0.8显著相关 R= 0.8以上高度相关 五、相关系数的计算 1.手算实例。 X:-2,-1,0,1,2; Y:2,3,3,5,7 2.Excel计算实例。 3.相关系数大小与样本数据多少的关系： 数据越多相关系数越准确。 第二节一元线性回归模型 一、什么是回归分析 回归分析是从一组变量（X,Y）的样本数据出发，根据变量的相关类型，确定变量之间相关关系的数学表达式的统计分析方法。 家庭对某种商品的需求量与该商品价格之间的调查数据： 变量Y与X之间的关系可表示成 其中，ε是一个误差项，它包含 1.模型中省略的变量 2.一些随机因素 3.测量（观测）误差 4.数学模型设定形式的误差 将n组样本（X1，Y1），…，（Xn，Yn）代入（1）得： （1）称为总体回归模型，（2）称为样本回归模型。（1）式两边求数学期望： 记： 则（3）称为Y对X的回归函数或回归方程（回归直线）。 记： 或者公式： 求解正规方程得： * * ? ? ? ? ? ? ? ? ? x y ? 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 = p x (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 ? ? ? ? ? ? ? ? ? x y ? 相关关系的例子 商品的需求量(y)与价格(x)之间的关系 商品销售额(y)与广告费支出(x)之间的关系 粮食亩产量(y)与施肥量(x1) 、降雨量(x2) 、温度(x3)之间的关系 收入水平(y)与受教育程度(x)之间的关系 父亲身高(y)与子女身高(x)之间的关系 ? ? ? ? ? ? ? ? ? ? ? ? 不相关 ? ? ? ? ? ? ? ? ? 负线性相关 ? ? ? ? ? ? ? ? ? 正线性相关 ? ? ? ? ? ? ? ? ? ? ? ? 非线性相关 ? ? ? ? ? ? ? 完全负线性相关 完全正线性相关 ? ? ? ? ? ? ? ? ? -1.0 +1.0 0 -0.5 +0.5 完全负相关 无线性相关 完全正相关 负相关程度增加 r 正相关程度增加 回归一词的来历 回归这个术语是由英国著名统计学家Francis Galton在19世纪末期研究孩子及他们的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的父母那样高。对于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的父母的平均身高高。 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关系的方法称为回归分析。 在同族中抽取n对父-子的身高, 即有n对数据: (X1,Y1), (X2,Y2), … , (Xn,Yn). Yk ?