应用回归分析-上海财经大学.pdf

应用回归分析 上海财经大学统计与管理学院 1 目录 1. 相关分析 2. 一元线性回归分析 3. 多元线性回归分析 4. 变量选择 5. 非线性回归(可化为线性) 6. 回归诊断 7.案例分析 2 回归分析 回归分析是处理多个变量间相关关系的一种数学方法. 变量间的关系有两种类型:确定性的函数关系和相关关系.回 归分析方法是处理变量间相关关系的统计分析工具. 回归分析用于确定一个变量( 因变量) 与另一些变量( 自变量) 间的相互依赖关系。回归分析是研究一个(或几个) 因变量Y 与另一些变量的相互依赖关系.具体地说,研究问题如下： ① 建立因变量Y 与x ,x ,…,x 的经验公式(回归方程) 1 2 m ② 对经验公式的可信度进行检验； ③ 判断每个自变量x (i=1,…,m)对Y 的影响是否显著? i ④ 利用经验公式进行预报和控制,指导生产； ⑤ 诊断经验公式是否适合这组数据. 3 相关分析-相关关系的类型 1. 线性 2 .非线性 3 .周期性 4 .无规律 4 相关分析-相关系数(Correlation Coef.) 线性关系是描述变量间联系中最简单和最常用的 一种( = + + ); 相关系数是描述两个 1 1 2 2 变量间线性联系程度的统计指标; 样本相关系数的计算公式： ∑ − − ｒ＝ 2 2 ∑ − ∑ − 6 相关系数 两个区间型变量间的关系有很多种可能 ，在考察散点图后 ，可用相关系数度量两变量的相关程度.若两变量间存在线性 关系，则相关的，否则，变量间的相关是不强的. 相关系数是描述变量间线性联系程度的一个统计量 ，统计 中有多个描述相关的指标，最常用的是Pearson相关系数 ，简 称相关系数 ，此外还有Spearman秩相关系数 。 相关系数的值为 ① -1和+ 1之间； ② 若两个变量间有高度线性关系其值接近任一个极端值； ③ 若两个变量 间不相关，其值接近于零； ④ 相关系数大于零 ，两变量正相关 （即两变量同向变化）； ⑤ 相关系数小于零 ，两变量负相关 （即两变量反向变化）。