统计学（第四版 贾俊平等）第十一章 一元线性回归.pptVIP

上节内容 1.无交互作用的方差分析 上节内容 (1).提出假设 对行因素提出的假设为 H0: m1 = m2 = … = mi = …= mk 行因素对因变量没有显著影响 H1: mi (i =1,2, … , k) 不全相等 行因素对因变量有显著影响 其中，mi为行因素的第i个水平的均值 对列因素提出的假设为 H0: m1 = m2 = … = mj = …= mr H1: mj (j =1,2,…,r) 不全相等 其中，mj为行因素的第j个水平的均值 上节内容 (2).构造检验的统计量 上节内容 2.有交互作用的方差分析 上节内容 (1).提出假设 对行因素提出的假设为 H0： m1 = m2 = … = mi = …= mk 对列因素提出的假设为 H0： m1 = m2 = … = mj = …= mr 对行因素和列因素交互作用的假设为 H0：行因素与列因素无交互作用 上节内容 (2).构造检验的统计量 上节内容 第 11 章 一元线性回归 第11章 一元线性回归 §11.1 变量间关系的度量 §11.2 一元线性回归 §11.3 利用回归方程进行估计和预测 §11.4 残差分析 11.1.1 变量间的关系 在生产和经营活动中，经常要对变量之间的关系进行分析。例如，在企业生产中，要对影响生产成本的各种因素进行分析，以达到控制成本的目的；在农业生产中，需要研究农作物产量与施肥量之间的关系，以便分析施肥量对产量的影响，进而确定合理的施肥量，等等。 统计分析的目的在于如何根据统计数据确定变量之间的关系形态及其关联的程度，并探索出其内在的数量规律性。 人们在实践中发现，变量之间的关系分为：函数关系和相关关系。 11.1.1 变量间的关系 1.函数关系是一一对应的确定关系 2.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 3.变量之间是线性关系时：各观测点落在一条线上 11.1.1 变量间的关系 11.1.1 变量间的关系 11.1.1 变量间的关系 1.变量之间存在的不确定的数量关系称为相关关系(correlation)。 2.变量间关系不能用函数关系精确表达 3.一个变量的取值不能由另一个变量唯一确定 4.当变量x取某个值时，变量y的取值可能有几个 5.线性相关关系时各观测点分布在直线周围 11.1.1 变量间的关系 11.1.1 变量间的关系 11.1.1 变量间的关系 11.1.1 变量间的关系 相关关系的特点： 1).一个变量的取值不能由另一个变量惟一确定，当变量x取某个值时，变量y的取值可能有几个。 2).这种不确定的变量关系显然不能用函数关系进行描述。 3).对大量数据的观察与研究，会发现许多变量之间确实存在着一定的客观规律。 例如，平均来说，父母身高较高时，其子女的身高一般也较高；收入水平高的家庭，其家庭储蓄一般也较多。 4).相关与回归分析正是描述与探索变量之间相关关系及其规律的统计方法。 11.1.2 相关关系的描述与测度 1.相关分析是对两个变量之间线性关系的描述与度量。 2.相关分析所要解决的问题是： (1).变量之间是否存在关系？ (2).如果存在关系，它们之间是什么样的关系？ (3).变量之间的关系强度如何？ (4).样本所反映的变量之间的关系能否代表总体变量之间的关系？ 相关分析时对总体的两个假定： (1).两个变量之间是线性关系。 (2).两个变量都是随机变量。 11.1.2 相关关系的描述与测度 相关分析时，首先绘制散点图来判断变量之间的关系形态，如果是线性关系，则可以利用相关系数来测度两个变量之间的关系强度，然后对相关系数进行显著性检验，以判断样本所反映的关系能否用来代表两个变量总体上的关系。 1.散点图 用坐标的水平轴代表变量x，纵轴代表因变量y，每组数据(xi ，yi)在坐标系中用一个点表示，n组数据在坐标系中形成的，n个点称为散点，坐标及其散点形成的二维数据图称为散点图(scatter diagram) 11.1.2 相关关系的描述与测度 11.1.2 相关关系的描述与测度 【例11.6】一家大型商业银行在多个地区设有分行，其业务主要是进行基础设施建设、国家重点项目建设、固定资产投资等项目的贷款。近年来，该银行的贷款额平稳增长，但不良贷款额也有较大比例的提高，这给银行业务的发展带来较大压力。为弄清楚不良贷款形成的原因，希望利用银行业务的有关数据做些定量分析，以便找出控制不良贷款的办法。下面是该银行所属的25家分行2002年的有关业务数据 11.1.2 相关关系的描述与测度 11.1.2