第8章 相关分析和回归分析1.ppt

2002-6 第六章 相关与回归分析 第 八 章 【问题引入】 A化妆品公司对L品牌制定了以销售额最大化为目标的竞争策略，采取了一系列措施： （1）广告营销：广告投入 （2）产品研发：研发投入 （3）降价营销：降低销售价格 经过两年的经营，L品牌的销售额翻了三番，市场部收集了近两年L品牌每个月的产品销售额、研发投入、广告支出、平均销售价格数据（见表8-1）。 分析这两年来L品牌的销售额与广告营销、产品研发和降价营销等是否有关系？如果有关系，他们有是什么样的关系？各项措施中，哪项措施对销售额的影响最大？ 【问题分析】 L品牌的销售额与广告营销、产品研发和降价 营销等是否有关系？” 如果有关系，他们有是什么样的关系？ 各项措施中，哪项措施对销售额的影响最大？ ——相关分析和回归分析 那么变量之间的关系有哪些呢？ 变量之间的关系 变量之间的关系按照关系的强弱程度，可以分为三类： 确定性的函数关系 相关关系 没有关系 第一节 相关分析 一、相关关系的描述——散点图 描述变量的相关关系的方法有很多，其中最常用、最直观的方法是作变量之间的散点图。 【例题8-1】用Excel分别绘制本章问题引入中的产品销售额对广告支出、研发投入和平均销售价格的散点图。 【画散点图的Excel操作】 相关关系的类型 ①变量个数：简单相关、多重相关（“复相关”） ②相关关系的表现形式：线性相关、非线性相关 ③相关关系变化的方向：正相关、负相关 ④相关的程度：完全相关、不相关、不完全相关 二、简单线性相关关系的度量 ——相关系数 总体的简单线性相关系数： 样本的简单线性相关系数： 其中：x和y是样本观测值， 和 是对应样本的平均值。【例题8-2】 相关系数的特点 1、关系类型——定性 取值范围 -1≤r ≤ 1 r =-1：完全负相关 r =1：完全正相关 r = 0：不存在线性相关关系 -1?r0：负相关 0r?1：正相关 2、关系的强弱——定量 |r|0.5：较弱相关 0.5 ≤ |r| ≤0.8：一般程度相关 |r|0.8：高度相关 |r|→1：相关关系越强，|r|→0：相关关系越弱 注意 相关系数中的x和y都是相互对称的随机变量； 线性相关系数只反映变量间的线性相关程度， 不能说明非线性相关关系； 相关系数只能反映线性相关程度，不能确定因 果关系，不能说明相关关系具体接近哪条直线 【思考】变量间的因果关系及隐藏在随机性后面的统计规律性如何测量？ ——回归分析 第二节 回归分析：一元线性回归 按照自变量的个数不同 一元回归分析 多元回归分析 按照变量之间的关系形式不同 线性回归分析 非线性回归分析 回归分析的四个步骤： 一、模型的设定 二、模型参数的估计 三、模型的检验 四、模型的应用 一、一元线性回归模型的设定 一般来说，我们是通过确定回归模型的回归函数来对模型进行设定。 总体回归函数 条件均值形式：E(y) = ?0+ ?1x 个别值形式：y = ?0+?1 x+ ? 其中，?0和?1称为模型的参数 ，? 是误差项 样本回归函数 条件均值形式： 个别值形式： 其中： 是样本回归直线在y轴上的截距； 是直线的斜率； 是y的估计值； 是样本回归模型的残差，是样本回归函数预测结果与实际值的差。 【例题8-3】 二、一元线性回归模型参数的估计 在给定一组样本数据时，对一元线性回归模型的参数进行估计，我们是先估计样本回归函数中的 和 ，然后用 和 来估计总体回归函数中的 和 。 在估计模型参数之前，我们需要对设定的一元线性回归模型进行一些假定。 一元线性回归模型的基本假定 1、对模型形式设定的假定： 假定因变量y与自变量x之间具有线性关系； 2、对自变量x的假定： 假定在重复抽样中，自变量x的取值是固定 的，即x非随机； 一元线性回归模型的基本假定 3.对误差项ε的假定： 零均值：E(ε)=0 同方差：对所有的x值，ε的方差σ2都相同 正态性：误差项ε~N(0,σ2 ) 无自相关：误差项ε的逐次值互不相关， 即Cov(εi,εj)=