计量经济学第03章 节 一元线性回归模型_第1节_11.ppt

第三章 一元线性回归模型 一元线性回归模型也称为简单线性回归模型。 一元线性回归模型虽然简单， 但其研究的理论与 方法， 为研究以后各章打下了重要的基础。 第一节 线性相关分析 一、变量之间相互关系的分类 （一）按相关的程度不同分为不相关、不完 全相相关和完全相关 一、变量之间相互关系的分类 （一）按相关的程度不同分为不相关、不完 全相相关和完全相关 如果两个现象互不影响，彼此的数量变化互 相独立，这种关系称为不相关。如果一个现象的 数量变化由另一个现象的数量变化所唯一确定， 这时两个现象之间的关系称为完全相关。这种情 况下，相关关系实际是函数关系。所以，函数关 系是相关关系的一种特殊情况。如果两个现象之 间的关系介于不相关和完全相关之间，就称为不 完全相关。大多数相关现象都是不完全相关。 （二）按相关的方向不同分为正相关和负相关 当两个现象之间的数值变化呈现同方向变化， 则称这种相关关系为正相关。当两个现象之间的 数值变化呈现反方向变化时，则称这种相关关系 为负相关。 性相关 （三）按相关的形式不同分为线性相关和非线 如果将两个现象之间的各对观测值画成散点 图，这种相关关系称为线性相关；当各个观测点 的分布近似地表现为各种不同的曲线形式，这种 相关关系就称为非线性相关。 二、线性相关分析 相关关系常用相关系数表示。 相关系数是表 明两个变量之间相关关系密切程度的数量指标。 相关系数有简单相关系数和复相关系数和偏相关 系数。这里先介绍简单相关系数。 和偏相关系数将在后面有关章节介绍。 复相关系数和 简单相关系数是表明两个变量之间在直线相 关条件下相关关系密切程度的数量指标。严格地 讲，应称为线性相关系数，一般简称相关系数。 社会经济现象总体中，两个变量之间的相关系数 通常是未知的，一般用样本相关系表示。 一般情况下，通过相关系数判断相关关系密 切程度的标准如下： 当r= 0时，X和Y不相关，或者不存在直线相 关，但可能存在其他类型的关系； 当 时，X和Y为微弱相关； 当 时，X和Y为低度相关； 当 时，X和Y为中度相关； 当 时，X和Y为完全相关，即所有散点 当 时，X和Y为高度相关； 完全在一条直线上，也就是函数关系。 （二）斯皮尔曼 (Spearman)相关系数 斯皮尔曼 (Spearman)相关系数也称等级相 基数的情况下，而且属于线性关系。如果两个变 关系数。前述采用积差法计算的相关系数 r，它 只适用于变量、观测值（即数量标志值）都是基 量和是以品质标志出现的，要研究它们之间是否 具有相关关系，则要用等级相关系数进行计算。 等级相关系数侧重于观测现象的等级，就是 把有关联的品质标志按其表现排列成等级次序 （当然数量标志值更容易排成等级次序），形成