统计学9.相关和 与回归.ppt

第七章 课后习题 参考答案;第七章 课后习题 参考答案;第七章 课后习题 参考答案;推断统计学 要点回顾;推断统计要点回顾;推断统计要点回顾;统计研究的过程;统计研究的主要内容;总体（变量）间的关系;第九章相关与回归;主要内容;;变量间的关系【课本P230-234为回归】;数值变量间的关系;数值变量间的关系;数值变量间的关系;数值变量间的关系;相关关系的分类;相关关系的分类;相关关系的分类;相关关系的分类;相关关系的分类;相关关系的分类;相关关系的度量和检验;相关关系的测度（相关系数）;? （皮尔逊）样本相关系数的计算公式;相关关系的测度（相关系数的意义）;-1.0;相关关系的测度（相关系数的意义）; 表1 我国人均国民收入与人均消费金额数据 单位:元;散点图 ;解：根据样本相关系数的计算公式有 人均国民收入与人均消费金额之间的相关系数为 0.9987;相关系数的显著性检验（概念要点） ;相关系数的显著性检验（实例） ;相关系数的显著性检验;分类变量间的相关系数;相关分析和回归分析;回归分析;回归分析;回归分析的特点;回归分析与相关分析的区别;;回归模型与回归方程;回归模型的类型;一元线性回归模型;一元线性回归模型（概念要点）;? 对于只涉及一个自变量的简单线性回归模型可表示为 y=b0+b1 x+e 模型中，y 是 x 的线性函数(部分)加上误差项； 线性部分反映了由于 x 的变化而引起的 y 的变化； 误差项 ? 是随机变量 反映了除 x 和 y 之间的线性关系之外的随机因素对 y 的影响； 是不能由 x 和 y 之间的线性关系所解释的变异性； ?0 和 ?1 称为模型的参数；;Y与X之间的线性关系是客观存在的； X是非随机变量； 误差项e是独立同正态分布： 误差项e是一个期望值为0的随机变量,即E(e)=0。对于一个给定的 x 值, y 的期望值为E (y)=?0+?1 x 对于所有的 x 值, e的方差σ2 都相同 误差项e是一个服从正态分布的随机变量, 且相互独立。即ε~N( 0 ,σ2 ) 独立性意味着对于一个特定的 x 值，它所对应的ε与其他 x 值所对应的ε不相关 对于一个特定的 x 值，它所对应的 y 值与其他 x 所对应的 y 值也不相关;回归方程（概念要点）;估???(经验)的回归方程;一元线性回归模型最小二乘法;最小二乘法（概念要点）;最小二乘法（图示）;最小二乘法（ 和 的计算公式）;最小二乘法（回归系数与相关系数）;估计方程的求法（实例）;估计(经验)方程;拟合优度和显著性检验;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（三个平方和的关系）;离差平方和的分解（三个平方和的意义）;样本决定系数（判定系数 r2 ）;样本决定系数（判定系数 r2 ）;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（检验的步骤）;估计标准误差 Sy;估计标准误差 Sy;回归系数的显著性检验（要点）;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（样本统计量 的分布）;回归系数的显著性检验（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）;;多元线性回归;多元线性回归模型（概念要点）;? 对于 n 组实际观察数据(yi ; xi1,，xi2 , ? , xip )，(i=1,2,…,n)，多元线性回归模型可表示为;多元线性回归模型（基本假定）;多元线性回归方程（概念要点）;多元线性回归方程的直观解释;多元线性回归的估计(经验)方程;参数的最小二乘法（要点）;多重样本决定系数（多重判定系数 R2 ）;修正的多重样本决定系数（R2adj ）;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（步骤）;回归系数的显著性检验（要点）;回归系数的显著性检验（步骤）;一个二元线性回归的例子;一个二元线性回归的例子(Excel 输出的结果);一个二元线性回归的例子(计算机输出结果解释);逐步回归法【略】;非线性回归; 非线性回归;几种常见的非线性模型;几种常见的非线性模型;几种常见的非线性模型;几种常见的非线性模型;几种常见的非线性模型;;回归方程的预测作用;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）;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（区间估计）;利用回归方程进行估计和预测（置信区间估计）; 【例】根据前例，求出人均国民收入为1250.7元时，人均消费金额95%的置信区间 解：根据前