相关与回归分析..ppt

一、普通相关分析 客观现象之间的关系有两种 函数关系 是指现象之间存在着十分严格的确定性的数量关系。具有如下特点 变量之间存在着数量上的互相依存关系，它所表现为非对等关系 具体的依存关系值是固定的，可用数学公式表示 相关关系 是指现象之间的一种非确定性数量关系，具有特点 存在着数量上的依存关系，表现为完全对等的关系 依存关系的具体关系值是难以固定的，它不能用数学公式表示 相关关系的作用 确定变量之间是否存在依存关系 确定相关关系的表现形式 测定相关关系的密切程度和方向，并检验其有效性 2. 相关表 相关表法 将实际观察得到的一系列原始的对应的数据，按照自变量从小到大的顺序进行排列，所编制的表，就是相关表 按照原始资料是否分组，分为： 简单相关表 分组相关表 单变量分组表 双变量分组表 自变量放在横栏，由小到大排列 因变量放在纵览，由大到小排列 4. 2 回归估计量的性质 由最小二乘法和极大似然估计法得出的回归估计量满足 线性： 无偏性 最优性 4. 3 回归模型的代表性分析 依据任何数据都可以制作出回归模型来，关键区别在于模型的代表性是否可信，也就是说模型是否能真实地反映出X和Y的关系。代表性的判别方法有： 残差图分析 残差是被解释变量yi的实际值和估计值之间的离差，即： 如果模型的代表性很强，则残差的绝对值较小，且围绕着0水平线上下波动；反之，模型的代表性就较差 残差图的画法：横轴代表x，纵轴代表残差，然后，随着x 的波动画点 拟合优度系数R2 用回归模型描述存在不确定性的一组数据的变化时，它们之间是否有较好的吻合性，这就是拟合优度问题 拟合优度系数的定义是： R2 的分子叫作回归离差平方和，分母是总离差平方和 R2经济含义是：在总离差平方和中，由解释变量X做出解释的部分所占的比率。[0，1]间越大越好 4. 4 回归模型的代表性经验与预测控制 代表性经验 使用F统计量，当sig.值大于α时，接受H0 回归预测和控制 点估计：直接将解释变量的值代入回归方程，即可对被解释变量进行点估计 区间估计： 期望值的区间估计计算公式是：{y0-A，y0+A} 点值的区间估计计算公式是： {y0-A，y0+A} 5. 多元线性回归 两个以上变量间的线性回归模型，统称为多元回归模型。 设(y1；x11，x12,…，x1k), (y2；x21，x22,…，x2k),…， (yn；xn1，xn2,…，xnk)为一组样本观察值，如果存在 则称上式为k元线性回归模型，其中，y为被解释变量（因变量），x 为解释变量（自变量），βi为参数， β0为截距，βi为回归系数，ε为随机项 5. 1 多元线性回归高斯假设 服从正态分布 亦即：非异方差性 亦即：非自相关 亦即： 与x不存在相关关系 同时满足上述条件的多元线性回归模型，称为多元线形经典回归模型 5. 2 多元线性回归的最小二乘法 设X为确定矩阵（kn），则： 其中： 用最小二乘法获得的回归系数符合：线形、无偏性、最优性 拟合优度系数R2 拟合优度系数的定义是： R2经济含义是：在总离差平方和中，由解释向量X做出解释的部分所占的比率 在[0，1]间内变化，越大越好 代表性经验 用F检验，若sig. 大于α，则接受H0 5. 3 多元线性回归的代表性 5.4 用SPSS解决回归分析 一元回归/多元回归 命令：Analyze —— Regression —— Linear 例如：给出了具体数据，分析“人均收入和人均食品支出”之间的回归模型。 人均收入和人均支出.sav 对于回归代表性部分，p即Sigα，则接受原假设H0：已解释变差不明显大于未解释变差 默认状态：估计回归系数 输出每一个非标准化回归系数的95%置信区间 输出协方差矩阵 R系数 方差分析表 非标准回归系数 标准回归系数 非标准回归系数的95%置信区间 对于本例而言，由于常数项与0没有显著差异，所以，最好采取标准回归系数来建立标准回归方程，即：人均支出=0.767人均收入+0.243粮食平均单价 * * 第1章 总论 第2章 统计调查与整理 第3章 统计指标 第4章 统计指数 第5章 时间数列 第6章 相关与回归分析 第7章 企业经营成果与经济效益统计 教学内容