第七章 回归分析预测法2.pptVIP

第七章 回归分析预测法 一.概述 二.一元线性回归模型预测 三.多元线性回归模型预测 四.虚拟变量回归模型预测 五.非线性回归模型预测 六.自回归模型预测 教 学 要 求 ●清楚回归分析预测法的适用对象; ●清楚回归分析与相关分析的区别; ●掌握一元线性回归模型的参数估计与检验; ●了解多元线性回归模型的参数估计与检验; ●了解带虚拟变量的回归模型的应用条件; ●清楚非线性回归模型的建模方法; 教学重点 ●相关分析与回归分析的基本概念； ●一元线性回归模型的建立与参数检验； 教学难点 ●相关系数的含义 ●参数检验的作用 一.概述 几个基本问题 1. 回归的含义 2. 相关关系的概念 3. 相关分析与回归分析的区别与联系 4. 相关分析与回归分析的作用 5. 回归分析模型的种类 相关关系的特点 ●现象之间确定存在数量上的客观内在关系。 表现在：一个现象发生数量上的变化，要影响另一现象也相应 地发生数量上的变化。 ●现象之间的依存关系不是确定的，具有一定的随机性。 表现在：给定自变量的一个数值，因变量晖有若干数值和它对 应，且因变量总是遵循一定规律围绕着这些数值的平 均数上下波动。 4.相关分析与回归分析的作用 ●对数量关系的研究分析，深入认识现象之间的相互依存关系。 ●通过对回归模型，进行预测和预报。 ●用于补充缺少的资料。 二. 一元线性回归预测模型 ●定义： 对两个具有线性关系的变量，配合线性回归模型，根 据自变量的变动来预测因变量的平均发展趋势的方法，为 一元线性回归预测法。 主 要 内 容 1.模型描述 2.参数估计 3.相关系数 4.显著性检验 5.预测及预测区间的确定 6.算例 3.相关系数——选择主要因素作模型的自变量的依据 ●离差平方和的分解 离差——在一元线性回归模型中，观察值yi的取值是上下波动的， 这种波动现象，~。 原因——自变量变动的影响，即x取值的不同； 其它因素的影响（包括观察和实践中产生的误差等）； 对1个观察值，离差为 对n个观察值，离差为 离差项的物理含义： Q1——由客观和实验中产生误差以及其它未加控制因素 引起的（未解释部分）。即：由那些未被考虑的 随机因素的影响产生的，且无法因回归方程的 建立而消失。 Q2——由于选择自变量x并建立线性回归方程而产生的， 可用回归模型的建立加以说明（已解释部分） ● │R│ 0.7或 R2 0.49 说明自变量对x的变动对总离差的影响占一半以上。高度相关; ● │R│0.3或 R2 0.09 说明自变量对x的变动对总离差的影响低于9%。低度相关; ● 0.3 ≤ │R│0.7 说明自变量对x的变动对总离差的影响在9%~50%之间。中度相关; 4.显著性检验 ●目的 ——检查所建立的一元线性方程，是否符合变量之间的客观规律性，两变量之间是否具有显著的线性相关关系？ ●方法 ——相关系数检验法（适用于一元线性回归方程） ●问题描述 ——相关系数的绝对值大到什么程度时？才能认为两变量之间的相关关系是显著的，回归模型用来预测是有意义的。 ●检测标准 ——与观测值的个数有关；（n) ——与不同树枝的显著性水平有关；(α ) ●步骤 step1：计算R； Step2：由回归模型的自由度（n-2）和给定的显著性水平 α,从相关系数表中查出临界值Rα( n-2)； Step3：判断。 若│R│ ≥ Rα( n-2)，说明两变量之间线性相关 关系显著，检验通过，回归模型可用于预测； 若