《管理统计学实验教程》第12章相关分析和回归分析.ppt

统计量包括皮尔逊（Pearson）相关系数、斯皮尔曼（Spearman）和肯德尔（Kendall）秩相关系数，一般用符号来表示。相关系数具有一些特性： （1）它的取值极限在-1和+1之间，即之间。若0，表明X和Y完全正相关；若0，表明X和Y负相关；当时，表明X和Y没有线性相关关系；当时，表明X和Y完全线性相关。若=1，表明X和Y完全正相关；若=-1,表明X和Y完全负相关。 （2）它具有对称性，即X与Y之间的相关系数和Y与X之间的相关系数相同。 （3）如果X和Y统计上独立的，则它们之间的相关系数；但反过来，不等于说 X和Y是独立的。 （4）它仅是线性关联的一个度量，不能用于描述非线性关系。 （2）斯皮尔曼（Spearman）和肯德尔（Kendall）秩相关系数 用来反映两个序次或等级变量的相关程度。斯皮尔曼（Spearman）相关系数公式为 式中，、 分别是 的秩。 分别是变量 、 的平均值。 3、显著性检验 （1）皮尔逊（Pearson）相关系数假设检验 检验的原假设是总体相关系数为0，即相关系数不显著，在原假设为真的条件下，与样本相关系数r有关的统计量服从自由度为的T分布： （2）斯皮尔曼（Spearman）等级相关系数假设检验 实验一 【例12-1】 对某市的金融业和其生产总值的影响情况做相关性分析。 （参见数据文件：data12-1.sav） 实验步骤 第1步 分析：两变量都是定距变量，考虑用Pearson相关系数来衡量。 第2步 两变量的相关性分析 单击“分析→相关→双变量” 实验结果与分析 1、描述性统计表 计量经济学检验 残差的正态性检验。残差的正态性检验可以通过建立标准参差直方图检验。由于服从标准正态分布，所以应有近50%为正，50%的为负；68%的 落在-1与+ 1之间，96%的落在-2与+2之间。当样本容量较小时，在理论上应服从于自由度为的t分布。 残差的方差齐性检验。残差的方差齐性检验可以通过残差散点图来验证。以样本残差为纵坐标，以估计值为横坐标作图，如果观察点随机地散布在横轴的周围，就说明残差基本符合同方差性假设。当此假设被否定，残差出现了异方差的情况时，就需要先对原始数据进行适当的变量转换，再利用回归模型进行估计和预测，使方差趋于稳定。 残差的独立性检验。检验残差独立性的统计量称为DW统计量，其数学表达式为: DW统计量取值范围为： 若DW=2，表明相邻两点的残差项相互独立； 若 表明相邻两点的残差项正相关； 若 表明相邻两点的残差项负相关。 残差统计表 直方图和累积概率P-P图 从残差分布的直方图与附于其上的正态分布曲线的比较，可以观察出残 差分析的正态性。 同时，从观测量累积概率图也可以看出残差分布基本服从正态性。 1、基本概念 多元线性回归分析是指含有多个解释变量的线性回归模型，用于解释被解释变量与其他多个解释变量之间的线性关系。 2、模型的检验 （1）校正的可决系数 （2）多重共线性检验 多重共线性检验的统计量有容许度（Tolerance）和方差膨胀因子（VIF）两个，公式分别为 显而易见VIF为Tol的倒数，Tol的值越小，VIF的值越大，自变量与其他变量之间存在共线性的可能性越大。方差膨胀因子VIF的值越接近于1，解释变量之间的多重共线性越弱，如果值大于或等于10，说明一个解释变量与其他解释变量之间有严重的多重共线性。 实验内容 【例12-4】 为研究我国民航客运量的变化趋势及其成因，试以民航客运量做因变量，以国内生产总值、消费额、铁路客运量、民航航程里程为自变量，根据1990-2014年统计数据进行多元线性回归分析（参见数据文件：data12-4.sav ） 实验步骤 第1步 分析。 第2步 多元线性回归分析设置。 1、菜单选择 按“分析→回归→线性”顺序打开 。 2、“统计量”对话框设置 3、“图”对话框设置 4、“保存”对话框设置 5、“方法”对话框设置 实验结果与分析 1、模型汇总表 2、方差分析表 方差分析表最关注的是F统计量，它是回归方程显著性检验的重要依据。表12.9中，F检验统计量为806.226，相对应的显著性概率p为0.000小于显著性水平0.05，因此应拒绝回归方程显著性F检验的原假设，认为所有因变量综合起来对因变量有显著影响。 3、回归系数表 第