统计学课件第七章相关与回归分析.ppt

第七章 相关与回归分析 内容提要 1、相关关系的概念与种类 2、 相关分析 3、 一元线性回归分析 4、 多元线性回归分析 5、 曲线回归分析 学习目标 1. 理解相关关系的概念 掌握线性回归的基本原理和参数的最小二乘估计 掌握回归直线的拟合优度 掌握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 进行回归分析 一、变量间的关系 （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) 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) 相关关系的种类 散点图(scatter diagram) （一）相关分析 1、相关分析主要用于测定具有相关关系的变量之间相互关系的密切程度。 2、是回归分析的基础。 3、分析方法主要有：绘制散点图、编制相关表、计算项关系数等。 （二）回归分析(Regression) 研究具有相关关系的变量值之间一般的数量变动关系，即自变量发生变化时，因变量平均会发生多大的变化。 通过建立回归方程来完成分析。 回归方程除可用于研究相关变量之间的一般数量变动关系外，还常用于进行预测，即根据一个或几个变量的取值来预测或控制另一个相关变量的取值，并给出这种预测或控制的精确程度 回归模型的类型 （三）回归分析与相关分析的区别 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 之间的一般数量变动关系，还可以由回归方程进行预测和控制 。 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 相关表与相关图（概念要点） 1、相关表和相关图是研究相关关系的直观工具。一般在进行详细的定量分析之前，可以利用它们对现象之间存在的相关关系的方向、形式和密切程度做大致的判断。 2、相关表是一种反映变量之间相关关系的统计表。它是将某一变量按其取值的大小排列，然后再将与其相关的另一变量的对应值平行排列，便可得到简单的相关表。 3、相关图又称散点图。它是以直角坐标系的横轴代表变量X，纵轴代表Y，将两个变量间相应的变量值用坐标点的形式描绘出来，用来反应量变量之间相关关系的图形。 相关表（举例分析） 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，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 散点图(例题分析) 散点图(例题分析) 二、相关系数及其检验 相关系数(correlation coefficient) 对变量之间关系密切程度的测度值（指标） 对两个变量之间线性相关程度的度量称为单相关系数 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(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 -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(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 相关系数的显著性检验( r 的抽样分布) 1. r 的抽样分布随总体相关系数和样本容量的大小而变化 当样本数据来自正态总体时，随着n的增大，r 的抽样分布趋于正态分布，尤其是在总体相关系数?很小或接近0时，趋于正态分布的趋势非常明显。而当?远离0时，除非n非常大，否则r的抽样分布呈现一定的偏态。 当?为较大的正值时，r 呈现左偏分布；当?为较小的负值时，r 呈现右偏分布。只有当?接近于0，而样本容量