章 相关与回归分析 课件.ppt

统计学导论;第五章 相关与回归分析 ;第一节 相关与回归分析的基本概念;一、函数关系与相关关系;变量之间的函数关系和相关关系，在一定条件下是可以互相转化的。 本来具有函数关系的变量，当存在观测误差时，其函数关系往往以相关的形式表现出来。 而具有相关关系的变量之间的联系，如果我们对它们有了深刻的规律性认识，并且能够把影响因变量变动的因素全部纳入方程，这时的相关关系也可能转化为函数关系。;相关关系也具有某种变动规律性，所以，相关关系经常可以用一定的函数形式去近似地描述。客观现象的函数关系可以用数学分析的方法去研究，而研究客观现象的相关关系必须借助于统计学中的相关与回归分析方法。;二、相关关系的种类 ;按相关的方向可分为正相关和负相关。 当一个现象的数量增加（或减少），另一个现象的数量也随之增加（或减少）时，称为正相关。例如，消费水平随收入的增加而提高。 当一个现象的数量增加（或减少），而另一个现象的数量向相反方向变动时，称为负相关。例如商品流转的规模愈大，流通费用水平则愈低。;按相关的形式可分为线性相关和非线性相关。 按所研究的变量多少可分为单相关、复相关和偏相关。 两个变量之间的相关，称为单相关。 当所研究的是一个变量对两个或两个以上其他变量的相关关系时，称为复相关。 在某一现象与多种现象相关的场合，假定其他变量不变，专门考察其中两个变量的相关关系称为偏相关。例如，在假定人们的收入水平不变的条件下，某种商品的需求与其价格水平的关系就是一种偏相关。;三、相关分析与回归分析 ;相关分析与回归分析之间的区别;相关分析不能指出变量间相互关系的具体形式，也无法从一个变量的变化来推测另一个变量的变化情况。可以不必确定变量中哪个是自变量，哪个是因变量，其所涉及的变量可以都是随机变量。而回归分析则必须事先研究确定具有相关关系的变量中哪个为自变量，哪个为因变量。一般地说，回归分析中因变量是随机的，而把自变量作为研究时给定的非随机变量。 在应用项关于回归分析方法对客观现象进行研究时，一定要始终注意把定性分???和定量分析结合起来，在定性分析的基础上开展定量分析。;把定性分析和定量分析结合;四、相关图 ;第二节 简单线性相关与回归分析 ;一、相关系数及其检验;（二）相关系数的特点 ;（三）相关系数的计算 ;【例7-2】1992年-2003年我国城镇居民人均年消费性支出和人均年可支配收入有关资料如下，试计算消费性支出与可支配收入间的相关系数。 ;【例7-2】表7-1是 1992年-2003年我国城镇居民人均年消费性支出和人均年可支配收入的有关资料，试计算消费性支出与可支配收入的样本相关系数。 ;（四）相关系数的检验 ;（四）相关系数的检验 ;二、标准的一元线性回归模型 ;（二）样本回归函数 ;实际观测到的因变量Ｙt值，并不完全等于 ，如果用ｅt表示二者之差(), 则有： （ｔ＝１，２，...ｎ） 上式称为样本回归函数。式中ｅt称为残差。;样本回归函数与总体回归函数之间的间的区别 1、总体回归线是未知的，它只有一条。而样本回归线则是根据样本数据拟合的，每抽取一组样本，便可以拟合一条样本回归线。 2、总体回归函数中的β1和β2是未知的参数，表现为常数。而样本回归函数中的 和 是随机变量，其具体数值随所抽取的样本观测值不同而变动。;样本回归函数与总体回归函数之间的区别 3、总体回归函数中的u t是Ｙt与未知的总体回归线之间的纵向距离，它是不可直接观测的。 样本回归函数中的ｅt是Ｙt与样本回归线之间的纵向距离，当根据样本观测值拟合出样本回归线之后，可以计算出ｅt的具体数值。 ;(三)误差项的标准假定 ;(三)误差项的标准假定 ;三、一元线性回归模型的估计 ;三、一元线性回归模型的估计 ;（一）回归系数的点估计;（一）回归系数的点估计;（二）总体方差的估计 ;【例7-５】根据例7-２中给出的有关数据和例7-４中已得到的回归系数估计值，计算我国城镇居民消费函数的总体方差S2和回归估计标准差S。 解：根据例7-２中给出的有关数据和例7-４中已得到的回归系数估计值，可得： =232.7719-0.2310×50.073-0.7511×294.4539=0.0407 S2=0.0407/(12-2)=0.00407 进而有：S=0.0638 ;（三）最小二乘估计量的性质;数学上可以证明：最小二乘估计量是因变量观测值Ｙt的线性函数，其期望值等于总体回归系数的真值。因此，最小二乘估计量是总体回归系数的线性无偏估计量。数学上还可以进一步证明，在所有的线性无偏估计量中，回归系数的最小二乘估计量的方