第八章 相关分析与回归分析PPT.ppt

第一节　相关分析概述 第二节　一元线性回归分析 相关和回归分析是研究事物的相互关系、测定它们联系的紧密程度、揭示其变化的具体形式和规律性的统计方法，是构造各种经济模型、进行结构分析、政策评价、预测和控制的重要工具。 ★ 第八章 相关分析与回归分析 一、相关分析的意义 二、相关关系的测定 ★ 第一节　相关分析概述 ⒈ 出租汽车费用与行驶里程： 总费用=行驶里程 ? 每公里单价 ⒉ 学习成绩与学习时间： 学习时间长，则学习成绩好。 函数关系 （确定性关系） 相关关系 （非确定性关系） 比较下面两种现象间的依存关系 ㈠现象间的依存关系大致可以分成两种类型： 函数关系 指现象间所具有的严格的确定性的依存关系 相关关系 指客观现象间确实存在，但数量上不是严格对应的依存关系 函数关系与相关关系之间并无严格的界限：有函数关系的变量间，由于有测量误差及各种随机因素的干扰，可表现为相关关系；对具有相关关系的变量有深刻了解之后，相关关系有可能转化为或借助函数关系来描述。 现象之间的相互联系，在许多情况下表现为一定的因果关系，将这些现象数量化则成为变量：其中一个或若干个起着影响作用的变量称为自变量，通常用X表示，它是引起另一现象变化的原因，是可以控制、给定的值；而受自变量影响的变量称为因变量，通常用Y表示，它是自变量变化的结果，是不确定的值。 一、相关分析的意义 二、相关关系的测定 第一节　相关分析概述 ★ ★ 定性分析 是依据研究者的理论知识和实践经验，对客观现象之间是否存在相关关系，以及何种关系作出判断 定量分析 在定性分析的基础上，通过编制相关表、绘制相关图、计算相关系数与判定系数等方法，来判断现象之间相关的方向、形态及密切程度 相关关系的测定 简单 相关表 适用于所观察的样本单位数较少，不需要分组的情况 分组 相关表 适用于所观察的样本单位数较多标志变异又较复杂，需要分组的情况 将现象之间的相互关系，用表格的形式来反映。 1、相关表 正 相 关 负 相 关 曲线相关 不 相 关 x y x y x y x y 又称散点图，用直角坐标系的x轴代表自变量，y轴代表因变量，将两个变量间相对应的变量值用坐标点的形式描绘出来，用以表明相关点分布状况的图形。 2、相关图 在直线相关的条件下，用以反映两变量间线性相关密切程度的统计指标，用r表示 3、相关系数 相关系数r的取值范围：-1≤r≤1 r0 为正相关，r 0 为负相关； |r|=0 表示不存在线性关系； |r|＝1 表示完全线性相关； 0|r|1表示存在不同程度线性相关： |r| 0.3 为无相关； 0.3≤ |r| ＜0.5为低度相关； 0.5≤ |r| ＜0.8为显著相关； 0.8≤|r| ＜1.0为高度相关。 是相关系数的平方，用 表示；用来衡量回归方程对y的解释程度。 判定系数取值范围： 越接近于1，表明x与y之间的相关性越强； 越接近于0，表明两个变量之间几乎没有直线相关关系. 4、判定系数 【例】计算工业总产值与能源消耗量之间的相关系数及判定系数 资料 结论：工业总产值与能源消耗量之间存在高度的正相关关系，能源消耗量x的变化能够解释工业总产值y变化的95.2﹪。 判定系数与相关系数的关系 判定系数与相关系数的区别： 判定系数无方向性，相关系数则有方向，其方向与样本回归系数 b 相同； 判定系数说明变量值的总离差平方和中可以用回归线来解释的比例，相关系数只说明两变量间关联程度及方向； 相关系数有夸大变量间相关程度的倾向，因而判定系数是更好的度量值。 第一节　相关分析概述 第二节　一元线性回归分析 ★ ★ 第八章 相关分析与回归分析 一、回归分析概述 二、一元线性回归模型 三、回归估计标准差 四、回归估计与预测 ★ 第二节　一元线性回归分析 回归分析 指根据相关关系的数量表达式（回归方程式）与给定的自变量x，揭示因变量y在数量上的平均变化和求得因变量的预测值的统计分析方法 回归：退回regression ㈠回归分析与相关分析 理论和方法具有一致性； 无相关就无回归，相关程度越高，回归越好； 相关系数和回归系数方向一致，可以互相推算。 Ⅰ联系： 相关分析中x与y对等，不区分自变量和因变量；回归分析中x与y要确定自变量和因变量； 相关分析中x、y均为随机变量，回归分析中只有y为随机变量； 相关分析测定相关程度和方向，回归分析用回归模型进行预测和控制。 回归分析与相关分析 Ⅱ区别： ㈡回归分析的种类 一元回归 （简单回归） 多元回归 （复回归） 线性回归 非线性回归 一 元线性回归 按自变量的 个数分 ⒈ 按回归曲线的形态分 ⒉ 一、回归分析概述