统计学_第九章_相关与回归分析.pptVIP

第九章 相关与回归分析 §9.1 变量的相关分析 ； §9.2 一元线性回归； §9.3 利用回归方程进行估计和预测； §9.4 残差分析； §9.5 多元线性回归； §9.6 可化为线性回归的曲线回归. 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) 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（类型) 相关关系的描述与测度(散点图 scatter diagram) 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提高，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2006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(correlation coefficient) 1.对变量之间关系密切程度的度量 2.对两个变量之间线性相关程度的度量称为简单相关系数 3.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? 4.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(取值及其意义) 1.r 的取值范围是 [-1,1] 2. |r|=1，为完全相关 r =1，为完全正相关 r ＝ -1，为完全负正相关 3. r = 0，不存在线性相关关系 4.-1?r0，为负相关 5. 0r?1，为正相关 6. |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 相关系数(取值及其意义) 相关系数(例题分析) 用Excel计算相关系数 相关系数的显著性检验(检验的步骤) 1.检验两个变量之间是否存在线性相关关系 2.等价于对回归系数 b1的检验 3.采用R.A.Fisher提出的 t 检验 4检验的步骤为 提出假设：H0：? ? ? ；H1： ? ? 0 相关系数的显著性检验(例题分析) 对不良贷款与贷款余额之间的相关系数进行显著性检验 (??0.05) 1.提出假设：H0：? ? ? ；H1： ? ? 0 2.计算检验的统计量 相关系数的显著性检验(例题分析) 各相关系数检验的统计量 什么是回归分析？(Regression) 1.从一组样本数据出发，确定变量之间的数学关系式。 2.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。 3.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。 回归分析与相关分析的区别 1.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。 2.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。 3.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. 。 回归模型的类型 一元线性回归 1.涉及一个自变量的回归 2.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 3.因变量与自变量之间的关系用一条线性方程来表示 回归模型(regression model) 1.回答“变量之间是什么样的关系？ 2.方程中运用 1 个数字的因变量(响应变量) 被预测的变量 1 个或多个数字的或分类的自变量 (解释变量) 用于预测的变量 3. 主要用于预测和估计 一元线性回归模型 1.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 2.一元线性回归模型可