第七章_相关和 与回归分析09.ppt

第七章 相关与回归分析;知　识　点;第七章 相关与回归分析; §7－1 相关与回归分析的基本概念;一、 函数关系与相关关系 二、相关关系的种类 三、相关分析与回归分析 四、相关表和相关图 ;变量间的关系（函数关系）;2.相关关系;变量间的关系（相关关系）;（相关关系）;客观现象的函数关系可以用数学分析的方法去研究，而研究客观现象的相关关系必须借助于统计学中的相关与回归分析方法。;二、相关关系的种类;二、相关关系的种类;4.按相关关系涉及的变量多少划分分为单相关、复相关和偏相关。 两个变量之间的相关，称为单相关。 当所研究的是一个变量对两个或两个以上其他变量的相关关系时，称为复相关。例如，某种商品的需求与其价格水平以及收入水平之间的相关关系便是一种复相关。 在某一现象与多种现象相关的场合，假定其他变量不变，专门考察其中两个变量的相关关系称为偏相关。例如，在假定人们的收入水平不变的条件下，某种商品的需求与其价格水平的关系就是一种偏相关。　　;三、相关分析与回归分析;(二)相关分析与回归分析的区别;（二）相关分析与回归分析的区别 ;相关分析和回归分析的联系;定性分析;(一)相关表; ;(二)相关图;;;2、相关图(散点图);§7-2 简单线性相关与回归分析;一、相关系数及其检验;;;一、单相关系数及其检验 ;样本相关系数的定义公式实质;;; 的意义;(二)相关系数的特点;;相关关系的测度（相关系数取值及其意义）;计算相关系数的“积差法”; 例：下表是有关15个地区某种食物需求量和地区人口增加量的资料。;;计算公式还可以有：;（四）相关系数的显著性检验 ;相关系数的显著性检验（实例） ;什么是回归分析？ （内容）;回归模型与回归方程;回归模型;回归模型的类型;第三节 一元线性回归分析;一元线性回归模型 （概念要点）;一元线性回归模型 （概念要点）;一、标准的一元线性回归模型;样本回归函数与总体回归函数区别;（三）误差项的基本标准假定;误差项的标准假定;总体回归线与随机误差项 ;（四）回归方程 （概念要点）;估计(经验)的回归方程;三、参数 ?0 和 ?1 的最小二乘估计;（一）最小二乘法: （概念要点）回归系数的估计 最小二乘法(残差平方和最小);最小二乘法（图示）;3、回归系数的估计的最小二乘法公式 设 　将Ｑ对求偏导数，并令其等于零，可得: 加以整理后有： 　　　;最小二乘法 （ 和 的计算公式）;例：现以前例的资料配合回归直线，计算如下：;;　　上式中b表示人口增加量每增加（或减少）1千人，该种食品的年需求量平均来说增加（或减少）0.5301十吨即5.301吨。;估计方程的求法（Excel的输出结果）;（二）估计标准误差 Sy;计算例子;可得简化式：（P172）;了　　解;补充:总体方差的估计;证明: ;四、一元线性回归模型的检验 ;;总离差平方和的分解;离差平方和的分解（图示）;离差平方和的分解 （三个平方和的关系）;离差平方和的分解 （三个平方和的意义）;一元线性回归模型的检验 :总离差平方和的分解;样本决定系数 （判定系数 r2 ）;决定系数:单相关系数的平方;（三）回归方程的显著性检验 （线性关系的检验 ）;回归方程的显著性检验 （方差分析表）;回归方程的显著性检验 （检验的步骤）;回归系数的显著性检验（要点）; 　是根据最小二乘法求出的样本统计量，它有自己的分布 　的分布具有如下性质 分布形式：正态分布 数学期望： 标准差： 由于?无未知，需用其估计量Sy来代替得到 　　的估计的标准差;回归系数的显著性检验（样本统计量 的分布）;回归系数的显著性检验（-）t检验 （步骤）;回归系数的显著性检验 （实例）;回归系数的显著性检验(Excel输出的结果）;回归系数的显著性检验——二）P值检验步骤;回归系数的显著性检验——二）P值检验步骤;;为什么要考虑P值;;预测及应用;利用回归方程进行估计和预测;利用回归方程进行估计和预测（点估计）;利用回归方程进行估计和预测（点估计）; 根据回归方程，可以给出自变量的某一数值来估计或预测因变量平均可能值。例如，前例中当人口增长量为400千人时，该食品的年需求量为 ;利用回归方程进行估计和预测 （区间估计）;利用回归方程进行估计和预测（置信区间估计）;影响区间宽度的因素;置信区间、预测区间、回归方程;一元线性回归直线的拟合;小结及例题分析;;则; 回归直线的拟合分析;总变差; 判断系数;3、估计标准误差;一元线性回归预测; ; ;2. 区间预测：;一元线