管理统计学第七章.pptVIP

相关与回归 相关与回归之间的联系：相关分析是回归分析的基础和前提，回归分析是相关分析的深入和继续。相关与回归分析都是对两变量间关系进行分析和评价的工具。 2、相关与回归的区别： （1）、相关分析中，变量x变量y处于平等的地位；回归分析中，变量y称为因变量，处在被解释的地位，x称为自变量，用于预测因变量的变化。 （2）、相关分析中所涉及的变量x和y都是随机变量；回归分析中，因变量y是随机变量，自变量x可以是随机变量，也可以是非随机的确定变量.（3）、相关分析主要是描述两个变量之间线性关系的密切程度；回归分析不仅可以揭示变量x对变量y的影响大小，还可以由回归方程进行预测和控制。 　　7.2.3回归模型的确定 1、总体的回归模型： 和 为未知参数，也叫回归系数， 为随机误差项。 2、一元线性样本回归模型可表示为： 和 分别是总体回归系数 、 的估计值， 为参差，是随机误差 的估计值，是实际值与估计值之间的差额。 7.2.3回归模型的确定 3、样本回归函数： 7.2.4一元线性回归模型的基本假定 （1）数学期望为0， 即，i=1,2,…;n （2）具有同一方差 ，即 V（εi），i=1,2,…;n （3）相互独立，即 （4）服从正态分布，即 （5）自变量与随机误差项不相关。 　　　7.2.5回归系数的估计 1、回归系数的估计 最小二乘法的基本思想是，要找到参数 和β的估计值 和 使得残差平方和为最小。 2008年8月 x y (xn , yn) (x1 , y1) ? ? ? ? ? ? ? ? ? (x2 , y2) (xi , yi) ei = yi-yi ＾ 参数的最小二乘估计 ? 根据最小二乘法，可得求解 和 的公式如下 　　　7.2.5回归系数的估计 总体方差的估计 　　　7.2.6模型的检验 1、模型的检验 （1）、理论意义检验：主要涉及参数估计值 的符号和取值区间，如果它们与实质性科学 的理论以及人们的实践经验不相符，就说明 模型不能很好地解释现实的现象。 （2）、一级检验：又称统计学检验，它是利用统计学中的抽样理论来检验样本回归方程的可靠性，具体又可分为拟合程度评价和显著性检验。一级检验是对所有现象进行回归分析时都必须通过的检验。 （3）二级检验又称经济计量学检验，它是对标准线性回归模型和基本假定条件能否得到满足进行的检验，也称为线性回归诊断，具体包括序列相关检验、异方差性检验等。 7.2.6模型的检验 2、回归模型的一级检验 （1）、关于回归系数的显著性检验 a、回归系数的显著性检验的内容： 是对各回归系数的显著性检验； 是对整个回归方程的显著性检验，对于前 者通常采用t检验，而对于后者则是在方差分析的基础上采用F检验。 回归系数的显著性检验 步骤：检验假设: : : 构造检验统计量: 式中， 是估计量 的标准差。 若 ， 应拒绝 ，它表明回归系 数显著不为0，参数的t检验通过。 P?，拒绝H0，表明自变量是影响因变量的一个显著因素 拟合优度检验 拟合优度检验是通过计算拟合优度 （也称 判定系数）来判定回归模型对样本数据的拟合程度。 0≤ ≤1 =1，表明回归模型对所有的样本数据点完全拟合， =0表明回归模型无法解释因变量y的离差，回归模型没有意义。 0 1， 越接近于1，表明回归平方和占总平方和的比重越大，回归模型对样本数据的拟合程度就越高。 7.2.7利用回归模型进行预测 1、预测：通过给定自变量x的数值来预测因变量y的相应数值。 2、预测的类型： （1）、点预测。若给定自度量的值为x0，则因变量的相应样本回归值： 就是因变量y的预测值。 （2）、区间预测。在给定的可信程度 下，对给定的 计算出相应的因变量 的置信区间。置信区间的上、下限为： 2008年8月 置信区间和预测区间 xp y x ?x 预测上限 置信上限 预测下限 置信下限 7.2.7利用回归模型进行预测 例7.1 已知某公司2011年1—12月的某产品广告投入与产品销售资料如表7.1所示，试建立产品销售回报y对产品广告投入x的线性回归模型。 月份 广告支出 销售回报 月份 广告支出 销售回报 1 2248 89920 7 6646 810812 2 2981