[经济学]第10章相关与回归分析.ppt

第 10 章 相关与回归分析 第10 章 相关与回归分析 学习目标 1. 相关系数的分析方法 线性回归的基本原理和参数的最小二乘估计 回归直线的拟合优度 回归方程的显著性检验 利用回归方程进行估计和预测 用 Excel 进行回归 §10.1 相关与回归的基本问题 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 函数关系(几个例子) 相关关系(correlation) 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 相关关系(几个例子) 相关关系(分类) 相关关系的主要内容 回归分析的主要内容 回归分析与相关分析的联系 相关分析与回归分析都是研究和处理变量之间相关关系的数理统计方法 回归分析是建立在相关分析的基础上，对于具有密切相关的两个变量进行深入分析，建立它们之间的数学关系式，并进行统计推断，是相关分析的拓展 相关分析是回归分析的前提，对于相关程度很低的两个变量进行回归分析是没有实际意义的 回归分析与相关分析的区别 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 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 §10.2 相关分析 相关关系的判定 定性认识 受判断者的经验、学识、能力等因素的影响 相关表和相关图 简单相关表和相关图（资料没有分组时用） 分组相关表和相关图（资料分组时用） 单变量分组 双变量分组 相关表 相关表是根据现象变动样本资料编制出来的反映变量间相关关系的统计表，根据样本资料是否分组，相关表分为简单相关表和分组相关表 简单相关表只将自变量的取值按照从小到大的顺序并配合因变量的取值一一对应平等排列起来的表 其编制程序是：将相关资料中的两个变量，分为自变量和因变量，其次将两个变量值一一对应，按自变量的值从小到大顺序排列即成 相关表 分组相关表是指将原始资料进行分组而形成的相关表。可分为单变量分组相关表和双变量分组相关表 单变量分组相关表对自变量进行分组并计算次数，而对因变量分组，只计算其平均值 双变量分组相关表是自变量和因变量都进行分组而形成的相关表，又称为棋盘式相关表 相关图 自变量置于横轴上，因变量置于纵轴上，将两变量相对应的变量值用坐标点形式描绘出来，用以表明相关关系的图形，称为相关图 利用相关图可以： 判断现象之间有无相关关系 观察相关关系的类型 观察相关关系的密切程度 相关图 相关图(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增长，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2002年的有关业务数据 相关图(例题分析) 相关图(例题分析) 相关关系的描述与测度(相关系数) 相关系数(correlation coefficient) 对变量之间关系密切程度的度量 对两个变量之间线性相关程度的度量称为简单相关系数 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? 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 相关系数的性质 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 -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 相关系数的性质 相关系数的显著性检验 相关系数的显著性检验 相关系数是根据样本数据计算出来的，两个不相关的变量，其样本相关系数也可能较高，这在统计上称为虚假相关 相关系数描述与之间的密切程度与样本个数有关，当较小时，相关系数的绝对值容易接近１，特别地当n＝2，相关系数的绝对值一定