第8章 相关y与回归分析(统计学-湖北经济学院,李智)PPT.ppt

从单变量分组表配合回归直线： 简单直线回归分析的主要特点： 1.直线回归分析时，要根据研究目的，在两个变量之间确定哪个是自变量，哪个是因变量。 2.在两个现象互为根据的情况下，可以有两个回归方程： yc=a+bx 称y倚x回归直线 xc=c+dy 称x倚y回归直线 (二) 多元线性回归分析 　　多元线性回归分析可以看作是一元线性回归分析的扩展。现以二元线性回归模型进行回归分析，其方程式为： 以我国1973－1983年11年手表价格和手表销售量的实际资料为例，拟合一元线性回归方程为： yc= 9643 - 65x 此时，回归系数b表明，手表平均价格每降低1元/只，销售量约平均增长65万只。一元线性回归模型只列入了手表平均价格对销售量的影响，而忽略了居民收入这一很重要的因素，因此，现对此资料补入同期居民人均货币收入资料，将原来的一元线性回归模型扩展为二元线性回归模型进行回归分析。 例 列成计算表如下： 年份 (n=11) 手表销售量y(万只) 人均货币收入x1(元) 手表平均价格x2(元/只) x1y x2y x1x2 1973 650.4 102.1 134 66405.84 87153.6 13681.4 1974 758.4 105.3 134 79859.52 101625.6 14110.2 1975 819.9 110.1 129 90270.99 105767.1 14202.9 1976 1051.7 113.9 131 119788.63 137772.7 14920.9 1977 1149.7 120.4 127 148423.88 146011.9 15290.8 1978 1388.1 131.0 125 181841.10 173512.5 16375.0 1979 1944.4 157.0 123 305270.80 239161.2 19311.0 1980 2534.0 193.5 123 490329.00 311682.0 23800.5 1981 2890.0 210.2 114 607478.00 329460.0 23962.8 1982 3576.0 228.7 89 817831.20 318264.0 20354.3 1983 3898.0 258.7 86 1008412.60 335228.0 22248.2 合计 20660.6 1730.9 1315 3905911.56 2285638.6 198258.0 年份 (n=11) 1973 10 424.41 17 956 1974 11 088.09 17 956 1975 12 122.01 16 641 1976 12 973.21 17 161 1977 14 496.16 16 129 1978 17 161.00 15 625 1979 24 649.00 15 129 1980 37 442.25 15 129 1981 44 184.04 12 996 1982 52 303.69 7 921 1983 66 925.69 7 396 合计 303 769.55 160 039 续表 b1表明在手表平均价格固定时，人均货币收入每增加１元，手表销售量平均增长18.6368万只； 　　b2表明在人均货币收入固定时，手表平均价格每上升１元/只，手表销售量平均减少8.0328万只。 　　这里的b2比原一元线性回归模型中的同一回归系数b=-65要大得多，是因为一元线性回归模型只列入了手表平均价格对销售量的影响而忽略了居民收入这一很重要的因素，在手表平均价格的影响中渗入了居民收入的影响。 上面的方法推广到多个自变量，其回归方程为： * * 第八章 相关与回归分析 第一节 相关分析的意义和任务 一、相关关系的概念(注意相关关系与函数关系的区别) (一) 函数关系 它反映着现象之间存在着严格的依存关系，也就是具有确定性的对应关系，这种关系可用一个数学表达式反映出来。 例如某种商品的销售额和销售量之间，由于价格因素，所以两者可表现为严格的依存关系。 (二) 相关关系 它反映着现象之间的数量上不严格的依存关系，也就是说两者之间不具有确定性的对应关系，这种关系有二个明显特点： 1.现象之间确实存在数量上的依存关系，即某一社会经济现象变化要引起另一社会经济现象的变化； 2.现象之间的这种依存关系是不严格的，即无法用数学公式表示。 　　商品价格和商品销售量之间，存在着一定的依存关系，即商品价格发生变动，商品的销售量也会随之发生变动。 在具有相互依存关系的两个变量中，