统计学原理与实务第7章相关与回归分析.ppt

回归方法的历史与应用 相关与回归（Correlation and Regression）分析发展至今已有200多年的历史，应用范围之广使我们很难找到不用它的领域，尤其是在经济领域中得到了广泛应用。现代经济学中影响最大的一门独立科学是计量经济学，诺贝尔经济学奖获得者萨缪尔森曾这样评价计量经济学：二战后的经济学是计量经济学的时代，而回归分析是计量经济学的基本计量方法，其理论也成为计量经济学的重要理论支柱。 设立于1969年的诺贝尔经济学奖诞生至今已有50多位获奖者，其中绝大多数获奖者是统计学家、计量经济学家或数学家，在他们的成果中，都体现出对统计学及回归分析方法的娴熟运用。矩阵理论和计算机技术的发展为回归分析模型在经济领域中的应用提供了极大方便，模型技术在经济研究中的应用在我国越来越盛行，在一些省级以上重点经济课题中，经济学的硕士论文中，如果没有模型技术的应用，是不可以想象的，而回归分析方法是模型技术中最基本的内容。 作为一门统计学的入门读物，本教材以经典的一元线性回归分析为主来介绍回归分析的基本思想，希望能起到一个抛砖引玉的作用。 函数关系 是一一对应的确定关系 设有两个变量 x 和 y ，变量 y 随变量 x 一起变化，并完全依赖于 x ，当变量 x 取某个数值时， y 依确定的关系取相应的值，则称 y 是 x 的函数，记为 y = f (x)，其中 x 称为自变量，y 称为因变量 各观测点落在一条线上 函数关系例子 建设银行的1年期定期存款利率为年息3.00％，存入的本金用x表示，到期本息用y表示，则y=x+3.00%x（不考虑利息税）； 正方形面积S与其边长之间的关系，可用S= 来表示； 物理学中的自由落体距离公式； 初等数学中的许多计算公式都是变量之间的函数关系。 相关关系(correlation) 一个变量的取值不能由另一个变量唯一确定； 当变量 x 取某个值时，变量 y 的取值对应着一个分布； 各观测点分布在直线周围； 数学形式 : 式中 的为随机误差项 , 反映自变量以外随机因素的影响 。 相关关系(几个例子) 【例7.1】成本的高低与利润的多少有密切关系，但某一确定的成本与相对应的利润却不是唯一确定的依存关系，这是因为影响利润的因素除了成本外，还有价格、供求关系、消费嗜好等其他偶然因素的影响。 【例7.2】生育率与人均GDP的关系也属于典型的相关关系：人均GDP高的国家，生育率往往较低，但二者没有唯一确定的依存关系，这是因为除了经济因素外，生育水平还受教育水平、城市化水平以及不易测量的民族风俗、宗教和其他随机因素的共同影响。 【例7.3】粮食产量与施肥量之间有着密切关系，在一定范围内，施肥量越多，粮食产量就越高，但是粮食产量并不完全决定于施肥量，因为降雨量、土壤质量、田间管理水平等也会影响粮食产量。 7.12 相关关系类型 按照相关关系涉及变量（或因素）的多少分为单相关、复相关和偏相关； 按照相关形式不同分为线性相关和非线性相关； 按照相关现象变化的方向不同分为正相关和负相关 按相关程度分为完全相关（函数关系）、不相关、不完全相关（相关分析的主要研究对象） 7.1.3相关关系的测定 定性分析 相关表 相关图 散点图(scatter diagram) 7.1.4相关系数(correlation coefficient) 度量变量之间线性关系强度的一个统计量。 若相关系数是根据总体全部数据计算的，称为总体相关系数，记为?； 若是根据样本数据计算的，则称为样本相关系数，简称为相关系数，记为 r。 也称为Pearson相关系数 (Pearson’s correlation coefficient) 相关系数计算公式 表7–2 相关系数计算表 相关系数计算（例题分析） 尽管采用了简捷计算公式，但当样本量较大时计算起来仍然很麻烦，可以采用Excel中的【CORREL】函数或【PEARSON】函数都可以计算两组数据的相关系数。 相关系数的性质 性质1：r 的取值范围是 [-1,1] |r|=1，为完全相关 r =1，为完全正相关 r =-1，为完全负正相关 r = 0，不存在线性相关关系 -1?r0，为负相关 0r?1，为正相关 |r|越趋于1表示关系越强；|r|越趋于0表示关系越弱 相关系数的性质 性质2：r具有对称性。即x与y之间的相关系数和y与x之 的相关系数相等，即rxy= ryx； 性质3：仅仅是x与y之间线性关系的一个度量，它不 于描述非线性关系。这意为着， r=0只表示两个 变量之间不存在线性相关关系，并不说明变量之