计算机实践-回归分析和时间序列分析.pptVIP

统计模型 一、数据的统计描述和分析 二、回归分析 三、统计回归模型 四、时间序列模型 一、数据的统计描述和分析 1.数据的录入、保存和调用 2.基本统计量 3.频 数 直 方 图 的 描 绘 1.数据的录入、保存和调用 例1.1 上海市区社会商品零售总额和全民所有制职工工资总额的数据如下 方法1 1、年份数据以1为增量，用产生向量的方法输入。命令格式： x=a:h:b t=78:87; 2、分别以x和y代表变量职工工资总额和商品零售总额。 x=[23.8,27.6,31.6,32.4,33.7,34.9,43.2,52.8,63.8,73.4]; y=[41.4,51.8,61.7,67.9,68.7,77.5,95.9,137.4,155.0,175.0]; 3、将变量t、x、y的数据保存在文件data中。 save data t x y 4、进行统计分析时，调用数据文件data中的数据。 load data 方法2 1、输入矩阵： data=[78,79,80,81,82,83,84,85,86,87; 23.8,27.6,31.6,32.4,33.7,34.9,43.2,52.8,63.8,73.4; 41.4,51.8,61.7,67.9,68.7,77.5,95.9,137.4,155.0,175.0] 2、将矩阵data的数据保存在文件data1中： save data1 data 3、进行统计分析时，先用命令： load data1 调用数据文件data1中的数据，再用以下命令分别将矩阵data的各行的数据赋给变量t、x、y： t=data(1,:) x=data(2,:) y=data(3,:) 若要调用矩阵data的第j列的数据，可用命令： data(:,j) 注意：如果数据量大，用file下的import data读入数据，自动生成数据矩阵data和单元数据矩阵textdata。 2.基本统计量 对随机变量x，计算其基本统计量的命令如下： 均值：mean(x) 中位数：median(x) 标准差：std(x) 方差：var(x) 偏度：skewness(x) 峰度：kurtosis(x) 对例1.1中的职工工资总额x，可计算上述基本统计量 load data1 x=data(2,:) Mean=mean(x) Median=median(x) Std=std(x) Var=var(x) Skewness=skewness(x) Kurtosis=kurtosis(x) 3.频 数 直 方 图 的 描 绘 描绘数组data的频数直方图的命令为： hist(data,k) 此命令将区间[min(data),max(data)]分为了k个小区间（缺省为10）。 二、回归分析 回归分析是研究变量间相关关系的一种统计分析 1、回归分析的基本理论 2、用数学软件求解回归分析问题 * 1、回归分析的基本理论 或 需要解决的问题： 1）在回归模型中如何估计参数a、b和σ2？ 2）模型的假设是否正确？需要检验。 3）利用回归方程对试验指标y进行预测或控制？ 一元线性回归模型: 正态误差下的一元线性回归模型是： 参数估计 设观测值为(xi, yi)（i=1,2,…,n), 代入模型中，yi = a + bxi +εi 解出的参数记为 则回归方程 最小二乘法: 回归模型的假设检验 提出问题： 1、相关系数检验法 | r |≤1 | r |→1，线性相关 | r |→0，非线性相关 模型：Y = a + bx +ε H0的拒绝域为 （ ） -1 1 | | · 0 rα(n-2) -rα(n-2) 2、F-检验法 平方和分解公式： 记为 实测值 估计值 残差值，剩余平方和,越小越好 认为线性回归效果好 预测与控制 给定的自变量x0，给出E(y0)的点估计量: y0的置信度为(1??)%的预测区间为： 设y在某个区间(y1, y2)取值时, 应如何控制x的取值范围, 这样的问题称为控制问题。 多元线性回归模型 例2.1 为了研究钢材消费量与国民收入之间的关系，在统计年鉴上查得一组历史数据。 3155 2736 1979 …… …… …… 1502 988 1966 3372 2948 1284 1097 收入(亿) 2825 1446 872 698 消费(吨) 1980 1978 1965 1964 年 份 试分析预测若1981年到1985年我国国民收入以4.5%的