tjxch7相关与回归分析(200909）(冲突2010-12-29 21-00-09).pptVIP

;第7章  相关与回归分析;第7章 相关与回归分析;§7.1 相关分析;§7.1.1 相关关系的概念;函数关系;函数关系（例）;相关关系;相关关系（例）;变量之间的函数关系和相关关系并不是绝对的，在一定条件下二者可以相互转化。 如果考虑存在对变量的测量误差，其函数关系往往会以相关关系表现出来； 从而能够把影响变量变动的所有其他因素全部都控制不变，这时原来的相关关系也可能会趋近于函数关系。因此，相关关系经常可以用一定的函数关系去近似地描述。;【附】其它有关概念;2. 相关关系的种类;广告投入和销售之间的关系;§7.1.2 相关关系的测定;1. 相关表和相关图;相关图（散点图）;相关关系的图示;相关关系的图示（续）;2. 相关系数;【附】其它相关系数;相关系数（Pearson’s correlation coefficient） ;样本相关系数 r;相关系数的特点;【附】相关程度的等级;例7-1的计算表;计算结果;相关系数的显著性检验;例;3. Spearman等级相关系数;3. Spearman等级相关系数;等级相关系数 rs的特点;Spearman等级相关系数是简单线性相关系数 r 的特例;§7.2.1 相关与回归分析的联系 §7.2.2 总体回归函数与样本回归函数 §7.2.3 回归系数的普通最小二乘估计;“回归” 的古典含义与现代含义;§7.2.1 相关与回归分析的联系;回归分析与相关分析的区别;回归分析的主要内容和程序;§7.2.2 总体回归函数与样本回归函数;【附】回归模型的类型;2. 总体回归函数（PRF） ;3. 样本回归函数（SRF） ;样本回归函数与总体回归函数之关系 ;样本回归函数与总体回归函数之关系（续） ;总体回归线与样本回归线（图示）;§7.2.3　回归模型参数的估计;一元线性回归模型的基本假定(续);观察点与样本回归线（图示）;２.估计参数的最小二乘法（Least Square Method）;OLS的计算公式;【例７-２】数据;【例７-２】计算过程;【例７-２】计算结果;【例７-２】参数估计值的经济意义;3.最小二乘估计的性质;3.最小二乘估计的性质（续）;4.方差σ２的估计;回归估计标准差的作用;回归估计标准误差 Se与一般的标准差的异同;两点补充;§7.3 一元线性回归的显著性检验与回归预测;§7.3.1 拟合优度的度量;离差平方和的分解（图示）;对于任意一个观察点，有： 总变差＝回归变差+剩余变差;三个离差平方和的意义;可决系数（判定系数R2 ）;可决系数R2的特点 ;【附】相关系数的另一个计算公式;[附]回归估计标准差 与相关系数的关系;§7.3.2 回归系数显著性的t检验;回归系数显著性检验的步骤;回归系数的 t 检验(Excel输出的结果）;§7.3.3 一元线性回归模型的预测 ;点预测（点估计值）;区间预测;区间预测公式的证明;1. 置信水平 (1 - a) 区间宽度随置信水平的增大而增大 2. 回归估计的标准误差 ( ) 区间宽度随标准误差的增大而增大;3. 样本容量 n 区间宽度随样本容量的增大而减小 注意：n 不能太小 4. 自变量预测值 Xf 与 的差异程度 区间宽度随Xf 与 的差异程度的增大而增大 内插效果优于外推效果，不宜外推太远； 内插： Xf ∈ （ Xmin , Xmax）时 外推： Xf （ Xmin , Xmax ）时;回归预测的置信区间;例;[附]大样本下的预测区间;大样本条件下的预测区间;§7.4 多元线性回归分析;§7.4.1 多元线性回归模型及假定;偏回归系数;2.多元线性回归模型的矩阵表示;3.多元回归模型的假定;§7.4.2多元线性回归模型的估计;2.参数最小二乘估计的性质;3.随机误差项方差的估计;§7.4.3 多元线性回归模型的检验;修正的可决系数;EXCEL的回归输出(1);2.回归参数的显著性检验（t-检验）;EXCEL的回归输出(2);3.回归方程的显著性检验（F-检验）;EXCEL的回归输出(3);【例7-3】 EXCEL的回归输出(全部);Ｆ检验与 t 检验的一致性;Ｆ检验与 t 检验的不一致性;【附：例】;附：一元线性回归输出的示例;;;;本章小结;★ 链接 ★;附：定性变量间的关系——列联表;附：含定性变量的回归;THE END