应用统计学精品课程第九章.pptVIP

第9章 相关与回归 9.1 简单线性相关分析 9.2 一元线性回归分析 9.3 多元线性回归与复相关分析 9.4 变量间非线性关系的回归 变量之间的关系 1.函数关系：变量之间依一定的函数形成的一一对应关系，若两个变量分别记做Y与X，则当Y与X之间存在函数关系时，X值一旦被指定，Y值就是唯一确定的。 变量之间的关系 2.统计关系：两个变量之间存在某种关系，但变量Y并不是由变量X唯一确定的，它们之间没有严格的一一对应关系。两个变量间的这种关系就是统计关系，亦称相关关系。两个变量之间若存在线性关系称为线性相关，存在非线性关系称为曲线相关，通常通过适当的变量变换，曲线相关可转换为线性相关。 总体相关系数 样本相关系数 样本相关系数 样本相关系数 相关系数的显著性检验 相关系数的显著性检验 相关分析中应注意的问题 相关系数不解释两个变量间的因果关系，它只是表明了两个变量间互相影响的程度和方向。 有时两变量之间不存在相关关系，但却可能出现较高的相关系数，要警惕虚假相关导致的错误结论。 第二节.一元线性回归分析 回归分析是通过一个或一些变量的变化来解释另一变量的变化。 其内容和步骤：1.根据理论和对问题的分析判断，区分自变量和因变量。2.设法找出合适的回归模型来描述变量间的关系。3.对回归模型进行统计检验。4.利用回归模型，根据解释变量去估计、预测因变量。 第二节.一元线性回归分析 第二节.一元线性回归分析 线性回归模型的含义 1.就变量而言，线性是指Y的条件期望是X的线性函数。如： 线性回归模型的含义 2.就参数而言，线性是指Y的条件期望是参数βi的线性函数。如： 样本回归模型 事实上，总体Y是未知的，我们所能取得的只能是与给定X值相对应的Y的样本观测值，我们通过样本提供的信息来认识总体，找出总体回归模型的估计式。 可支配收入与消费支出的简单随机样本 样本回归模型 回归直线的拟合－－简单线性回归模型的统计假定 回归直线的拟合－－简单线性回归模型的统计假定 回归直线的拟合－－简单线性回归模型的统计假定 回归直线的拟合－－简单线性回归模型的统计假定 满足以上4条假设的线性回归模型称为古典或普通线性回归模型，其参数估计所采用的最小平方法称作普通最小平方法 判定系数与样本相关系数 判定系数的平方根就是相关系数。 回归方程的显著性检验 X与Y之间是否存在线性关系，可以利用方差分析的方法进行F检验。 9.4 变量间非线性关系的回归 一些常用的可化为线性方程的函数类型 双曲线 回归分析的预测和推断－－ 总体特定值或个别值的预测 例9.9 随机抽查了生产同种产品的10个企业，得到它们的产量和生产费用的数据： 185 190 165 185 162 150 170 160 140 150 生产费用 140 120 100 88 79 65 55 48 42 40 产量 10 9 8 7 6 5 4 3 2 1 企业编号 1.建立生产费用对产量的回归方程 2.预测当产量为80千克时，该类企业平均的生产费用的置信区间 3.预测其产量为80千克的某企业的生产费用的置信水平为95％的置信区间 解：1.作X与Y的散点图 2.估计回归方程 3.检验 （a.拟合优度检验 b.回归系数检 验 c.回归方程检验） 4.总体均值的置信区间预测 5.总体个别值的置信区间预测 作散点图 从图中看出生产费用与产量之间的关系近似为线性 解：1.作X与Y的散点图 2.估计回归方程 3.检验 （a.拟合优度检验 b.回归系数检 验 c.回归方程检验） 4.总体均值的置信区间预测 5.总体个别值的置信区间预测 最小平方估计线和估计量的性质 最小平方估计线和估计量的性质 最小平方估计线和估计量的性质 最小平方估计线和估计量的性质 最小平方估计线和估计量的性质 回归模型的检验－－拟合优度 如果SSR占的比例越大，则回归线对观察点拟合得越好。 称作判定系数，可用于判断回归方程的拟合优度。 回归系数的显著性检验 回归系数的显著性检验步骤 回归分析的预测和推断－－ 总体均值的预测和推断 回归分析的预测和推断－－ 总体均值的预测和推断 回归分析的预测和推断－－ 总体均值的预测和推断 回归分析的预测和推断－－