[数学]第九章相关与回归分析.ppt

第 9 章 相关与回归分析 第9章 相关与回归分析 9.1 相关分析 9.2 一元线性回归分析 9.3 多元线性回归分析 学习目标 相关关系的类型 相关系数的计算与分析 3. 线性回归的基本原理：参数的最小二乘估计 4. 回归直线的拟合优度 5. 回归方程的显著性检验 6. 利用回归方程进行估计和预测 7. 用 Excel 进行回归分析 一、变量间的关系 函数关系与相关关系 （一）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) （二）相关关系(correlation) 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 的取值对应着一个分布 各观测点分布在直线周围 相关关系(几个例子) 二、相关关系的类型 相关关系的类型（一）按相关的程度不同分 完全相关：当一种现象的数量变化完全由另一种现象的数量变化所确定时，称为完全相关。 如：价格不变，销售额与销售量成正比例关系 不相关：当两个现象彼此互不影响，其数量变化各自独立时，称为不相关。 如：股票价格与气温不相关。 不完全相关：两个现象之间的关系介于完全相关和不相关之间，称为不完全相关。 相关关系的类型 （二）按相关的形式不同分 线性相关：当两种相关现象之间的关系近似地表现为一条直线，称为线性相关。 如：人均消费水平与人均收入水平 非线性相关：如果两种现象之间的关系，近似地表现为一条曲线，称为非线性相关。 如：农作物产量与施肥量、 平均单位成本与总产量 相关关系的类型 （三）按相关的方向不同分 正相关：当一个变量的数值增加（或减少）时，另一个变量的数值也随之增加（或减少），即同方向变化。 例如: 居民收入与储蓄额、总产量与用电量 负相关：当一个变量的数值增加（或减少）时，而另一个变量的数值相反地呈减少（或增加）趋势变化，即反方向变化。 例如：物价与消费的关系、 劳动生产率与产品成本 相关关系的类型 （四）按变量的多少分 单相关：两个变量间的相关，称为单相关。 复相关：当所研究的是一个变量对两个或两个以上其他变量的相关关系时，称为复相关。 例如：某种商品需求量与商品价格、居民收入之间的相关关系。 农作物产量与气温、降雨量、施肥量之间的相关关系。 相关关系的类型 （五）按相关的性质分 真实相关：当两种现象之间的相关确实具有内在的联系时，称为真实相关。 虚假相关：当两种现象之间的相关只是表面存在，实质上没有内在的联系时，称为虚假相关。 如：经济景气指数与女孩超短裙长度成反比 相关关系(类型) 三、相关分析内容 相关分析的内容 相关分析：就是对两个或两个以上变量之间线性关系的描述与度量。 相关分析要解决的问题 变量之间是否存在关系？ 如果存在关系，它们之间是什么样的关系？ 变量之间的关系强度如何？ 样本所反映的变量之间的关系能否代表总体变量之间的关系？ （一）相关关系的描述:相关表与散点图 相关表 相关表是反映变量之间相关关系的统计表。 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，管理者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2008年的有关业务数据 散点图(例题分析) 不良贷款对其他变量的散点图 （二）相关关系的测度:相关系数 相关系数(correlation coefficient) 度量变量之间线性关系强度的一个统计量 若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，简称为相关系数，记为 r 也称为Pearson相关系数 (Pearson’s correlation coefficient) 总体相关系数 (计算公式) ? 1890年，英国统计学家皮尔逊提出的积矩相关系数公式： 样本相关系数 (计算公式) ? 样本相关系数公式： 样本相关系数 (计算公式) ? 样本相关系数的计算