统计学原理第八章 相关与回归分析.pptVIP

第八章???相关与回归分析  主要内容： 一、相关与回归分析概述 二、相关分析 三、一元线性回归分析 四、Excel 的应用 第一节　相关与回归分析概述 一、变量间的关系 函数关系 相关关系 函数关系 是一一对应的确定关系 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 各观测点落在一条线上 相关关系 变量间关系不能用函数关系精确表达 一个变量的取值不能由另一个变量唯一确定 当变量 x 取某个值时，变量 y 的取值可能有几个 各观测点分布在直线周围 二、 相关关系的种类 （一）根据自变量的多少分为： 单相关、复相关和偏相关 （二）根据相关关系的形态分为 线性相关、非线性相关。 （三）根据变量间变化方向的不同分为 正相关和负相关 三、相关分析与回归分析的内容 相关分析的内容 1.判断现象之间是否存在相关关系； 2.如果存在相关关系，则要进一步判断相关关系的种类和关系的紧密程度； 3.对相关系数进行显著性检验。 回归分析的内容 1. 建立反映变量间依存关系的数学模型即回归方程； 2.对回归方程进行显著性检验； 3.用回归过程进行预测。 回归分析和相关分析的主要区别 1.分析的内容不同； 2.变量的地位不同； 3.变量的性质不同。 回归分析和相关分析的联系 1.研究对象相同——具有相关关系的现象 2.在应用时常常相互补充 相关分析和回归分析又称为相关关系分析或相关分析。 第二节 相关分析 一、相关关系的描述工具 （一）相关表 （二）相关图 （三）相关系数 资料： 相关图（散点图） 二、相关系数 反映现象关系密切程度的指标； （一）计算公式：  （二）相关系数r的性质： 1.相关系数r的取值范围 –1≤r≤1。 2.若为正，则两变量呈正线性相关； 若为负，则两变量呈负线性相关。 3.如果r的绝对值为1，表示两个变量完全线性相关（函数关系）； 如果，则r=0表示两个变量没有线性关系（不能说明两个变量没有关系，因为有可能存在曲线相关关系） 4.相关系数的绝对值越接近于1，表示相关程度越强；越接近于0，表示相关程度越弱。具体标准为： R 的绝对值：0.3以下 微弱相关； 0.3-0.5 低度相关； 0.5-0.8 显著相关； 0.8以上 高度相关。 以上结论必须建立在对相关系数的显著性检验基础之上。 三、相关系数的显著性检验 显著性检验的具体步骤： 第一步：提出假设 第二步：计算检验的统计量t 第三步：进行统计决策 通常采用 t 分布检验 该检验可以用于小样本，也可以用于大样本。 第一步：提出假设。假设样本是从一个不相关的总体中抽样的，即： 第二步：计算检验的统计量： 第三步：进行统计决策。若 则拒绝原假设，表明总体的两个变量之间存在显著的线性关系。 例题分析 根据2006年全国各省区的现金收入和现金支出的数据： 1.绘制相关图； 2.计算相关系数； 3.对相关系数进行显著性检验。 第一步：提出假设。假设样本是从一个不相关的总体中抽样的，即： 第二步：计算检验的统计量： 第三步：统计决策。显著性水平为0.05的t 值为2.0453，故拒绝原假设，表明现金收入和支出两个变量之间存在显著的线性关系。 第三节 一元线性回归分析 一、一元线性回归方程 只涉及一个自变量的回归 因变量y与自变量x之间为线性关系 被预测或被解释的变量称为因变量，用y表示 用来预测或用来解释因变量的一个或多个变量称为自变量，用x表示 因变量与自变量之间的关系用一个线性方程来表示 一元线性回归模型 一元线性回归模型可表示为 y = b0 + b1 x + e ?0 和 ?1 称为模型的参数 y 是 x 的线性函数(部分)加上误差项 线性部分反映了由于 x 的变化而引起的 y 的变化 误差项 ? 是随机变量 反映了除 x 和 y 之间的线性关系之外的随机因素对 y 的影响 是不能由 x 和 y 之间的线性关系所解释的变异性 回归方程 描述 y 的平均值或期望值如何依赖于 x 的方程称为回归方程 一元线性回归方程的形式如下 E( y ) = ?0+ ?1 x 估计的回归方程 总体回归参数是未知的，必需利用样本数据去估计 用样本统计量代替回归方程中的未知参数就可得到估计