第12讲-回归概念、回归系数.pptVIP

线性回归分析 三、线性回归分析 SPSS操作及案例分析 结果分析： 从建立的散点图来看，自变量x和因变量y之间存在一定的线性关系，但数据分布较为分散，所以相关程度不是很高。 曲线估计 三、线性回归分析 SPSS操作及案例分析 结果分析： (4)模型系数表 表中显示回归模型中的常数项(Constant) 非标准化的回归系数(Unstandardized Coefficients)B值及其标准误差(Std. Error) 标准化的回归系数(standardized Coefficients)Beta值、t值以及显著性水平(Sig.) 三、线性回归分析 SPSS操作及案例分析 结论： 从表中可以得到5个回归模型的方程 第5个回归方程为 回归系数的伴随概率为0.000，相关系数为0.917，判定系数为0.84，说明回归方程解释了整个因变量变异程度的84%，说明变量之间相关程度高，回归方程的拟合优度高。 对当前工资影响较大的依次为：开始工资、工种、来本公司前的工作经验、来公司工作时间和受教育时间，主要考虑的是Beta值的大小。 四、曲线估计 曲线估计的概念 现实生活中，变量之间的关系并非都是线性相关，实际上非相关关系更为常见，除了可以通过绘制散点图的方式粗略地考察这种非线性关系，还可以用曲线估计来进行拟合。 曲线估计(曲线拟合、曲线回归)是指选定一种用方程表达的曲线，使得实际数据与理论数据之间的差异尽可能地小。 曲线选择得好的话，那么可以揭示因变量与自变量的内在关系，并对因变量的预测有一定意义。 曲线估计中需要解决的问题 一是选用哪种理论模型，即用哪种方程来拟合观测值 二是当模型确定后，如何选择合适参数，使得理论数据和实际数据的差异最小 * 相关分析 相关分析就是描述两个或两个以上变量间关系密切程度的统计方法，有效地揭示事物之间相关关系的强弱程度。 二元变量分析 偏相关分析 距离相关分析 上节回顾 第13讲回归分析 基本概念 一、“回归”起源 “回归”一词是英国生物学家、统计学家高尔顿（F.Galton）在研究父亲身高和其成年儿子身高关系时提出的。 从大量父亲身高和其成年儿子身高数据的散点图中，Galton发现了一条贯穿其中的直线，它能描述父亲身高和其成年儿子身高的关系，并可以用于根据父亲身高预测其成年儿子身高。 Galton通过上述研究发现儿子的平均身高一般总是介于其父亲与其种族的平均高度之间，即儿子的身高在总体上有一种“回归”到其所属种族高度的趋势，这种现象称为回归现象，贯穿数据的直线称为回归线。 回归概念产生以后，被广泛应用于各个领域之中，并成为研究随机变量与一个或多个自变量之间变动关系的一种统计分析技术。 二、回归分析的基本概念 回归分析的概念 回归分析就是研究一个或多个变量的变动对另一个变量的变动的影响程度的方法。 相关分析与回归分析的关系 相关分析是根据统计数据，通过计算分析变量之间关系的方向和紧密程度，而不能说明变量之间相互关系的具体形式，无法从一个变量的变化来推测另一个变量的变化情况。 回归分析能够确切说明变量之间相互关系的具体形式，可以通过一个相关的数学表达式，从一个变量的变化来推测另一个变量的变化情况，使估计和预测成为可能。 相关分析是回归分析的基础和前提，回归分析是相关分析的深入和继续。 相关与回归 二、回归分析的基本概念 回归分析的目的 根据已知的资料或数据，找出变量之间的关系表达式(找到回归方程)，用自变量的已知值去推测因变量的值或范围(进行预测)，实际上是研究因果关系。(例如： ) 回归分析的基本过程 确定自变量 选择回归分析的模型 估计模型中的参数 模型检验 模型应用 二、回归分析的基本概念 回归分析可以解决的问题 确定因变量与若干个自变量之间联系的定量表达式，即回归方程或数学模型 通过控制可控变量的数值，借助数学模型来预测或控制因变量的取值和精度 进行因素分析，从影响因变量变化的自变量中区分出重要因素和次要因素 分类 根据变量之间相关关系的表现形式分为 线性回归分析：变量之间的相关关系是线性关系 非线性回归分析：变量之间的相关关系是非线性关系 根据影响因变量的自变量的多少分为 一元回归分析 多元回归分析 二、回归分析的基本概念 回归分析的功能 实