统计学电子教案：简单回归与相关.docVIP

第十五章 简单回归与相关 【教学基本要求】 通过教学，使学生明确相关关系的含义、种类；掌握相关系数的计算和回归直线方程的建立方法、回归估计标准误的计算；了解相关系数的显著性检验、回归问题的方差分析以及回归预测的方法。 【教学重点与难点】 本章要求重点掌握相关系数的计算、回归直线方程的建立方法、回归估计标准误的计算。相关系数的显著性检验、回归问题的方差分析以及回归预测的方法是本章的难点内容。 第一节 回归与相关的意义 在复杂的自然和社会经济现象中，很多事物的关系是彼此相互影响、相互依赖的。研究现象之间的这种依存关系，通过某类现象的影响因素及影响程度的研究，从而找出认识该类现象发展变化的性态特征，可能成为一种便捷和可行的方法。本章所要讨论的回归分析和相关分析就属于这类分析方法。回归分析着重在应用统计分析方法来寻求一个数学公式描述变量之间关系的性质。相关分析的目的在于求得一个量数来表明这种关系的密切程度。这两种分析的对象都是互相联系的变量。简单回归和相关分析只研究两个变量之间的关系。例如，某类商品的销售量与其价格的关系；产品产量与其单位产品原材料消耗量的关系。互相联系的变量也可以在两个以上。例如，销售量除与价格有关外，还可能与广告费存在密切的关系，由此以多个变量合并进行分析。有关一个变量与两个及两个以上变量之间关系的分析为多重（元）回归与多重（元）相关分析。我们在这里主要讨论简单线性回归和相关分析。 第二节 回归模型的形式 两个变量之间，就其关系的变化来说，可以表现为两种数学模型形式，即函数型关系和统计型关系。如果X和Y的关系在一定条件下是完全确定的，那就是函数型关系。例如,给定本金额a和年复利率i，则X年后的本利金额为Y=a（1+i）X。这里Y就是X的函数。在社会经济现象中，一个变量和另一个变量之间尽管存在着密切的联系，但是，由于受到众多的难以控制的因素的影响，实际观察得到的数据并不能构成函数关系。例如，汽水的每日销售量（Y）与当日的平均气温（X）有正比关系。一般说来，X为25摄氏度的日子比20摄氏度的日子销售量大。但是，同是25度的各天的销路仍然有大有小，形成一个分布。这样，X与Y之间的关系就成为统计模型了。如果我们将自变量X的值列在横轴上，将因变量Y的值列在纵轴上，一一对应，在图纸上标出各点，则通过各点分布的走向及密度大致可以看出两个变量之间关系的模型。这种图叫做散布图。 y y=a+bx y y=a+bx b0 b0 0 x 0 x a.正线性关系 b.负线性关系 y y=a+bx y y=a+bx+cx2 b=0 c0 0 x 0