韩之俊教授课件回归分析6.pptVIP

第三章 回归分析 3.1 概述 3.1.1 一般提法 （数学模型） 设 x——自变量，非随机变量 y——因变量，随机变量 ε——不可观测的随机变量 y=f(x)+ ε ε~ N (0, σ2 ) 为了简便，引入以下符号： * 南京理工大学经济管理学院 2004.10 Legal Notice 声明:版权为南京理工大学韩之俊教授所有，未经本人书面同意不得拷贝，否则必究 本章内容： 3.1 回归分析概述 3.2 一元回归分析方法及案例 x, y——为一对相关变量 [例] x——父亲身高 y——儿子身高 回归分析的研究对象： 相关变量的统计规律 3.1.1一般提法 3.1.2 回归分析的类型 线形回归 f(x)=α+βx 非线形回归 代换成线形回归来研究 一元回归：一个自变量 多元回归：多个自变量 3.1.3 回归分析的方法 获取数据 (xi, yi) i=1,2,…,n n≥20 回归方程： 采用最小二乘原理，估计有关参数， 建立如下回归方程： 回归方程的显著性检验 相关分析法 方差分析法 应用预测与控制 3.1.3 回归分析的方法 3.2 一元线性回归 3.2.1 数据的收集 (xi, yi) i=1,2,…,n yi = α+βxi +εi εi ~ N (0, σ2 ) 3.2.2 作散点图 （散布图，相关图） 正相关 负相关 不相关 曲线相关 x y x x x y y y 3.2.3 建立回归方程 最小二乘法 Q(a,b)= Σ[yi-(a+bxi)]2=min i=1 x xi n y yi a+bxi y = a+bx 3.2.3 建立回归方程 Q(a,b)= Σ[yi-(a+bxi)]2=min n i=1 则有： [案例] 一位工业心理学家获得了10个工人的智商值和劳动生产率，其结果见列表，试计算智商值与劳动生产率之间的相关系数r，并对r 进行显著性检验(α取0.05)。 -- -- -- 4.4 110.7 平均 5042.6 572.0 720.0 819.0 718.2 585.6 508.2 309.0 284.2 216.0 310.4 xiyi 210.84 27.04 36.00 39.69 32.49 23.04 17.64 9.00 8.41 7.29 10.24 yi2 124823 12100 14400 16900 15876 14884 14641 10609 9604 6400 9409 xi2 44.0 5.2 6.0 6.3 5.7 4.8 4.2 3.0 2.9 2.7 3.2 劳动生产率 y (pcs/h) 1107 110 120 130 126 122 121 103 98 80 97 智商值 x 合计 1 2 3 4 5 6 7 8 9 10 样本序号 i x y y^ e 1 110 5.2 4.34 0.86 2 120 6.0 5.10 0.90 3 130 6.3 5.85 0.45 4 126 5.7 5.55 0.15 5 122 4.8 5.25 -0.45 6 121 4.2 5.17 -0.97 7 103 3.0 3.82 -0.82 8 98 2.9 3.44 -0.54 9 80 2.7 2.08 0.62 10 97 3.2 3.36 -0.16 Minitab 数据见 “智商.mtw” 相关散点图 Scatter Plot [解] L xy = 5042.6 -（1107*44）/10 =171.8 L xx = 124823 - 11072 /10 =2278.1 L yy = 210.84 - 442 /10 =17.24 b = 171.8/2278.1=0.075 a = 4.4-0.075x110.7= -3.95 = - 3.95+0.075x 3.2.4 回归的显著性检验 H0:ρ=0 H1: ρ≠0 (1)相关分析法 [例解] ρ0.01=0.765 ρ0.05=0.632 查表： x、y高度线性相关 （高度显著） (2)方差分析 ST = l yy = 17.24 [例解] 总波动平方和 ST fT = n-1 = 9 误差波动平方和 Se （剩余平方和、残差平方和） S回= b2 l xx = b l xy =0.075x171.8=12.89 f回=