第七章 相关归分析.pptVIP

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 Simple Linear regression 按自变量的 个数分 ⒈ 按回归曲线的形态分 ⒉ 一、回归分析的概念 二、直线回归 三、曲线回归 ★ ★ §7.3　回归分析 一元线性回归模型 对于经判断具有线性关系的两个变量y与x，构造一元线性回归模型为： 假定E(?)=0，有总体一元线性回归方程： 一元线性回归方程的几何意义 截距 斜率 一元线性回归方程的可能形态 ?为正 ?为负 ?为0 总体一元线性 回归方程: 样本一元线性回归方程： 以样本统计量估计总体参数 斜率(回归系数) 截距 截距a 表示在没有自变量x的影响时，其它各种因素对因变量y的平均影响；回归系数b 表明自变量x每变动一个单位，因变量y平均变动b个单位。 (估计的回归方程) （一元线性回归方程） 随机干扰：各种偶然因素、观察误差和其他被忽视因素的影响 X对y的线性影响而形成的系统部分，反映两变量的平均变动关系，即本质特征。 残差(Residual):e 一元线性回归方程 中参数a、b的确定： 最小平方法 基本数学要求： 整理得到由两个关于a、b的二元一次方程组成的方程组： 进一步整理，有： 【分析】因为工业总产值与能源消耗量之间存在高度正相关关系（ ），所以可以拟合工业总产值对能源消耗量的线性回归方程。 【例】建立工业总产值对能源消耗量的线性回归方程 资料 解：设线性回归方程为 即线性回归方程为： 计算结果表明，在其他条件不变时，能源消耗量每增加一个单位（十万吨），工业总产值将增加0.7961个单位（亿元）。 最小二乘法估计的优良性质 残差之和为零 所拟合直线通过样本散点图的重心 误差项与解释变量不相关 a与b分别是总体回归系数的无偏估计量 a与b均为服从正态分布的随机变量 一元线性回归模型的假定 b与r的关系： r＞0 r＜0 r=0 b＞0 b＜0 b=0 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。 一、回归分析概述 二、直线回归 三、曲线回归 ★ ★ §7.2　一元线性回归分析 ★ — — 2c 2c ? 2c 二阶差分 — b+3c b+5c b+7c ? b+(2n-1)c a + b + c a + 2b + 4c a + 3b + 9c a + 4b + 16c ? a + nb + n2c 1 2 3 4 ? n 一阶差分 yi t 抛物线趋势方程： 第四章 动态数列 STAT 第七章 相关分析 第七章 回归分析与相关分析 §7.1　相关分析的意义和任务 §7.2 简单线性相关分析 §7.3　回归分析 §7.4 估计标准误差 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。 ★ 一、相关关系的概念 §7.1　相关分析的意义和任务 二、相关关系的种类 三、相关分析的主要内容 ★ 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 家庭收入与恩格尔系数： 家庭收入高，则恩格尔系数低。 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 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。 相关分析的意义 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。 相关分析的意义 一、相关关系的概念 §7.1　相关分析的意义和任务 二、相关关系的种类 三、相关分析的主要内容 ★ ★ ⒈按涉及变量的多少分为 相关关系的种类 ⒉按照表现形式不同分为 ⒊按照变化方向不同分为 一元相关 多元相关 直线相关 曲线相关