第7章相关分析.ppt

三、简单线性相关分析的特点 通过对r的计算方法的讨论，可看出二个明显特点： 2. 相关关系中只能计算出一个相关系数r。 1. 相关关系中，两个变量不必定出哪个是自变量，哪个是因变量，因此，相关的两个变量都是随机变量； 第三节 回归分析 　　在回归分析中，两个变量之间的回归称为简单回归，两个以上变量之间的回归称为复回归。无论是简单回归还是复回归，数学模型均有线性(直线)回归和非线性(曲线)回归之分。 一、直线回归 (一) 简单直线回归分析 简单直线回归方程的一般形式为： yc=a+bx yc ——因变量的估计值； x ——自变量； a ——回归直线在y轴上的截距； b ——回归直线的斜率，称回归系数,表明x每增加 一个单位，因变量yc的平均变化值 b0，x与y为正相关 b0，x与y为负相关 a、b的确定： 　　在简单直线回归方程中，a、b为待定系数，常用最小平方法来确定，即∑(y-yc)2=最小值。 简单直线回归方程建立的步骤为： ① 确定自变量x和因变量y； ② 计算x2、xy、Σx、Σy、Σx2、Σxy； ③ 代入公式，先求b，再求a。 仍用上例1资料得到： yc = -199.5 + 0.5858x 表明该市工资性现金支出每增加1万元，储蓄存款余额就增加0.5858万元。 举例说明b(回归系数)在经济管理中的作用： 某企业的某种产品月产量与单位成本的关系呈直线关系，用直线回归方程表示是： yc=77.36-1.818x，其中， x表示月产量(千件) y表示单位成本(元); a=77.36(元)，表示生产这种产品在单位成本方面的条件； b=-1.818，表示月产品每增加1000件，单位成本平均降低1.818元。 从单变量分组表配合回归直线： 简单直线回归分析的主要特点： 1.直线回归分析时，要根据研究目的，在两个变量之间确定哪个是自变量，哪个是因变量。 2.在两个现象互为根据的情况下，可以有两个回归方程： yc=a+bx 称y倚x回归直线 xc=c+dy 称x倚y回归直线 (二) 多元线性回归分析 　　多元线性回归分析可以看作是一元线性回归分析的扩展。现以二元线性回归模型进行回归分析，其方程式为： 以我国1973－1983年11年手表价格和手表销售量的实际资料为例，拟合一元线性回归方程为： yc= 9643 - 65x 此时，回归系数b表明，手表平均价格每降低1元/只，销售量约平均增长65万只。一元线性回归模型只列入了手表平均价格对销售量的影响，而忽略了居民收入这一很重要的因素，因此，现对此资料补入同期居民人均货币收入资料，将原来的一元线性回归模型扩展为二元线性回归模型进行回归分析。 例 列成计算表如下： 年份 (n=11) 手表销售量y(万只) 人均货币收入x1(元) 手表平均价格x2(元/只) x1y x2y x1x2 1973 650.4 102.1 134 66405.84 87153.6 13681.4 1974 758.4 105.3 134 79859.52 101625.6 14110.2 1975 819.9 110.1 129 90270.99 105767.1 14202.9 1976 1051.7 113.9 131 119788.63 137772.7 14920.9 1977 1149.7 120.4 127 148423.88 146011.9 15290.8 1978 1388.1 131.0 125 181841.10 173512.5 16375.0 1979 1944.4 157.0 123 305270.80 239161.2 19311.0 1980 2534.0 193.5 123 490329.00 311682.0 23800.5 1981 2890.0 210.2 114 607478.00 329460.0 23962.8 1982 3576.0 228.7 89 817831.20 318264.0 20354.3 1983 3898.0 258.7 86 1008412.60 335228.0 22248.2 合计 20660.6 1730.9 1315 3905911.56 2285638.6 198258.0 年份 (n=11) 1973 10 424.41 17 956 1974 11 088.09 17 956 1975 12 122.01 16 641 1976 12