统计学第八章 相关与回归分析.pptVIP

第10章 相关与回归分析 §10.1 相关分析的意义和内容 §10.2 直线相关的测定 §10.3 一元线性回归分析 §10.4 利用回归方程进行估计和预测 学习目标 1. 掌握相关系数的分析方法 掌握一元线性回归的基本原理和参数的最小二乘估计 了解回归直线的拟合优度的分析 利用回归方程进行估计和预测 是指变量间的不确定的依存关系。 （一）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 函数关系(几个例子) （二）相关关系(correlation) 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 各观测点分布在一条线周围 相关关系(几个例子) 二、相关关系种类 三、相关分析的内容 相关分析：就是研究两个或两个以上变量之间相互关系的统计分析方法。 内容： １.确定相关关系的存在、相关方向和存在形式、密切程度（狭义相关分析） ２.确定相关关系的数学表达式 ３.利用建立的模型进行预测和控制（应用） 一、散点图二、直线相关的测定——相关系数 一、散点图(scatter diagram) 散点图(例题分析) 【例】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 散点图(例题分析) 散点图(例题分析) 二、直线相关的测定——相关系数 (一)相关系数(correlation coefficient)的概念 (二)相关系数的计算和应用 用积差法计算样本相关系数的公式为: 相关系数分子和分母的意义 1.协方差---- 相关系数分子和分母的意义 2.标准差 与 标准差的意义： 1.使相关系数变为相对数，便于不同资料之间对相关程度进行比较。 2.是相关系数的绝对值不超过1。 相关系数 (计算化简公式) ? 化简后的计算公式 相关系数(取值及其意义) r 的取值范围是 [-1,1] |r|=1，为完全相关 r =1，为完全正相关 r =-1，为完全负正相关 r = 0，不存在线性相关关系相关 -1?r0，为负相关 0r?1，为正相关 |r|越趋于1表示关系越密切；|r|越趋于0表示关系越不密切 相关系数(取值及其意义) 相关系数(例题分析) (三) 相关系数的显著性检验( r 的抽样分布) 1. r 的抽样分布随总体相关系数和样本容量的大小而变化 当样本数据来自正态总体时，随着n的增大，r 的抽样分布趋于正态分布，尤其是在总体相关系?数很小或接近0时，趋于正态分布的趋势非常明显。而当远离0时，除非n非常大，否则r的抽样分布呈现一定的偏态。 当?为较大的正值时，r 呈现左偏分布；当?为较大的负值时，r 呈现右偏分布。只有当?接近于0，而样本容量n很大时，才能认为r是接近于正态分布的随机变量 相关系数的显著性检验(检验的步骤) 1. 检验两个变量之间是否存在线性相关关系 等价于对回归系数 b1的检验 采用R.A.Fisher提出的 t 检验 检验的步骤为 提出假设：H0：? ? ? ；H1： ? ? 0 相关系数的显著性检验(例题分析) ? 对不良贷款与贷款余额之间的相关系数进行显著性检(??0.05) 提出假设：H0：? ? ? ；H1： ? ? 0 计算检验的统计量 相关系数的显著性检验(例题分析) 各相关系数检验的统计量 为检验起来方便，利用变量t与r之间的关系，可以得到以下等式： 这就是在显著性水平下所决定的相关系数临界值，该值可通过相关系数的临界值表查得，进而与样本相关系数比较进行检验。 例如上例查得：rα=0.396,而 r= 0.8436 rα,所以拒绝原命题，不良贷款与贷款余额之间存在着显著的正线性相关关系。 一、什么是回归分析？(Regression) 从一组样本数据出发，确定变量之间的数学关系式，进而确定一个或几个变量（自变量）的变化对另一个特定变量（因变量）的影响程度。 对这些关系式的可信程度进行各种统计检验，并从影响某一特定变量的诸多变量中找出哪些变量的影响显著，哪些不显著 利用所求的关系式