统计学相关与回归分析法讲解.ppt

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：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： 解上述方程组得： 【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）。 估计 若 x = 80（十万吨），则： 第九章 相关与回归分析法 第九章 相关与回归分析法 §9.1 相关与回归分析概述 §9.2 简单线性相关分析 §9.3 简单线性回归分析 第一节 相关与回归分析概述 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。 ⒈ 一种商品的销售收入与其销售量： 销售收入=销售量? 商品价格 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 一、相关关系与相关分析 ? ? ? ? ? ? ? ? ? x y ? ? ? ? ? ? ? ? ? x y 函数关系 相关关系 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在一定条件下可相互转化：有函数关系的变量间，如果存在测量误差，则可表现为相关关系；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函数关系。 函数关系与相关关系的研究方法 研究函数关系用数学分析的方法 研究相关关系用相关与回归分析的方法 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。 自变量与因变量的定义 4.按涉及变量的多少分为 相关关系的种类 ⒉按相关的形式不同分为 ⒊按相关的方向不同分为 直线相关 曲线相关 负相关 正相关 ⒈按相关的程度不同分为 完全相关 不完全相关 不相关 复相关 单相关 相关分析的概念和内容 相关分析 研究现象之间是否相关、相关的方向和密切程度的统计分析方法。 内容： 变量之间是否存在相关关系，如果存在是属于哪种相关关系。 变量之间相关的密切程度，如果是线性相关，可通过相关系数来体现。 回归分析的概念和内容 回归分析 用合适的数学模型来近似表达具有相关关系的变量间关系的具体形式。 二、回归与回归分析 内容： 对具有相关关系的变量，建立一个合适的数学模型来近似表达变量之间关系的具体形式。 评价所建立模型对实际现象的拟合程度。 回归分析的种类 ⒉按回归方程的形式分为 直线回归 曲线回归 ⒈按自变量的个数分为 复回归 简单回归 (一元回归) (多元回归) (非线性回归) 有共同的研究对象：现象之间的相关关系； 互相补充：相关分析要依靠回归分析表明现象数量相关的具体形式；而回归分析要依靠相关分析来表明现象数量的相关程度。只有变量之间存在着高度相关时，进行回归分析寻求其相关的具体形式才有意义。 联系： 三、相关分析与回归分析的关系 相关分析不必确定自变量和因变量，所涉及的都是随机变量；回归分析事先要确定自变量和因变量，只有因变量为随机变量。 内容上：相关分析研究相关的方向和程度，不能指出相关的具体形式，无法从一个变量的变化推测另一个变量的变化；而回归分析研究变量之间相互关系的具体形式，可根据回归模型从已知量估计和预测未知量。 方法上：相关分析通过编制相关表、绘制相关图、计算相关系数；回归分析通过建立回归模型。 区别： 局限性： 无法准确地判断客观现象内在联系的有无，及确定何种现象为因，何种现象为果。 因此在应用相关和回归分析对客观现象进行研究时，一定要注意把定性分析和定量分析结合起来，在定性分析基础上开展相关和回归的定量分析。 定性分析 是依据研究者的理论知识和实践经验，对客观现象之间是否存在相关关系，以及何种关系作出判断。 定量分析 在定性分析的基础上，通过编制相关表、绘制相关图、计算相关系数等方法，来判断现象之间相关的方向、形态