第七章 相关和回归分析PPT.ppt

⒉简单直线回归方程的确定 最小二乘法（最小平方法） 整理后可得方程组： 三、线性回归方程拟合优度的测定 1.判定系数 2.估计标准误差 3.相关系数与估计标准误差的关系 1.判定系数 （可决系数） * * 财务专业 讲授 第七章 相关与回归 讲授 第一节 相关关系的概念与种类 第二节 相关分析 相关系数的计算与显著性检验 第三节 一元线性回归分析 讲授 回归模型 参数估计 拟合优度 线性回归方程显著性检验 国贸专业讲授 第七章 相关与回归 讲授 第一节 相关关系的概念与种类 第二节 相关分析 相关系数的计算 第三节 一元线性回归分析 讲授 回归模型 参数估计 拟合优度 重点提示 相关和回归分析是定量分析的重要统计方法，在自然科学、工程技术和社会经济领域都得到广泛应用。特别是在计量经济的研究中，相关与回归的统计方法已经成为构造各种经济模型，进行结构分析、政策评价、预测和控制的重要工具。 第一节 现象之间的数量关系 一、相关关系的概念 现实世界中现象之间存在着两种关系 ㈠函数关系 两个变量的关系是确定的，可以用一个数学表达式表示出来。 例：圆的面积与半径的关系 S=πR2 L=2πR ㈡相关关系 两个变量的关系确实存在，但关系数值是不确定的相互依存关系。 例：身高与体重的关系、施肥量与产量的关系。 相关关系与函数关系的联系 二者的联系： 对具有相关关系的现象进行分析时，则必须利用相应的函数关系数学表达式，来表明现象之间的相关方程式。相关关系是相关分析的研究对象，函数关系是相关分析的工具。 二、相关分析的种类 ㈠ 根据自变量的多少划分 ⒈单相关：只有一个自变量。 ⒉复相关：有两个及两个以上的自变量。 ㈡ 根据相关的形式不同划分 ⒈线性相关（直线相关）：当一个变量变动时，另一个变量也相应发生大致均等的变动。 ⒉非线性相关（曲线相关）：当一个变量变动时，另一个变量也相应发生变动，但这种变动是不均等的。如抛物线、指数曲线、双曲线 ㈢ 根据相关关系的方向划分 ⒈正相关：两个变量之间的变化方向一致，都是增长趋势或下降趋势。 ⒉负相关：两个变量变化趋势相反，一个下降而另一个上升，或一个上升而另一个下降。 ㈣ 根据相关关系的程度来划分 ⒈不相关：两个变量彼此的数量变化互相独立。 ⒉完全相关：一个变量和数量变化由另一个变量的数量变化所唯一确定。（函数关系） ⒊不完全相关：介于不相关和完全相关。 三、相关与回归分析的主要内容 回归参数估计 方程拟合效果评价 回归参数与回归方程显著性检验 第二节 简单线性相关分析 一、散点图和相关表 二、相关系数的测定与应用 1.总体相关系数 P146 2.样本相关系数 案例：产品产量x与生产费用y 序号 x y 1 1.2 62 2 2 86 3 3.1 80 4 3.8 110 5 5 115 6 6.1 132 7 7.2 135 8 8 160 合计 n=8 三、相关系数的密切程度仅作参考，但要进一步检验 相关系数的范围在-1到1之间，即 -1≤r≤1,当r=1为完全正相关， r=-1,为完全负相关， r=0为不存在线性相关。 r的绝对值范围在0－0.3为微弱相关 r的绝对值范围在0.3-0.5是低度相关； r的绝对值范围在0.5-0.8是显著相关； r的绝对值范围在0.8以上是高度相关。 四、相关系数的显著性检验 实质上是这组样本的相关系数，而不是现象总体的相关系数 ，当用样本相关系数作为总体相关系数的估计量时，样本单位数（n)的多少，在很大程度上直接影响 对 所作的推断；很可能出现总体中两变量实际上不相关（ ），而所计算的样本相关系数 都较大，显示着两变量为密切的相关。 样本相关系数是否具有代表性，是否能够用来估计总体相关系数？如果样本的相关系数较高，能否认为总体的相关系数也较高？这个问题涉及相关系数的显著性检验。 检验步骤 一、建立统计假设 原假设：总体相关系数为零，即假设样本相关系数是依据相关系数为零（两变量不相关）的总体中所抽取的样本资料计算的。 备择假设：总体相关系数不为零 二、选择显著性水平 根据愿意冒犯第一类错误的概率大小，选择显著性水平 ，例如 相关系数检验通常采用t分布，而且属于双侧检验问题。因此可以查t分布表，取得临界值 或 作出判断标准。 三、计算检验统计量 以样本的相关系数r来估计总体的相关系数不可避免会有误差，相关系数r的抽样平均误差为： 四、作出判断 将实际求得的检验统计量取值与临界