第六章相关分析与回归分析教学幻灯片.pptVIP

解： 　　计算ｔ值： 给定的显著性水平和自由度（n-2），查找 ｔ分布表中相应的临界值tα/2。 若｜t｜≥tα/2，表明ｒ在统计上是显著的。 若｜t｜≤tα/2，表明ｒ在统计上是不显著的。 （四）相关系数的检验 目的：虚假相关——是指当r趋近于1时，理论上认为变量之间具有高度的相关关系，但实际上这两个变量之间毫无因果关系。 如：印度的粮食产量与美国的啤酒价格理论上r趋近于1。 【例】假设根据６对样本观测数据计算出某公司的股票价格与气温的样本相关系数r=0.5，试问是否可以根据５％的显著水平认为该公司的股票与气温之间存在一定程度的线性相关关系? 解：　 　查表可知：显著水平为５％，临界值tα/2 (4) =2.776 . 因为t值小于2.776，所以，ｒ不能通过显著性检验。 解：　 　查表可知：显著水平为５％，临界值tα/2 (8) =2.306 . 因为t值大于2.306，所以，ｒ能通过显著性检验。 接上例： 五、相关分析与回归分析 用相关图表和相关系数研究两个或两个以上变量之间相关程度的方法。 相关分析 回归分析 对具有相关关系的两个或两个以上变量之间数量变化的一般关系进行测定，确定一个相应的数学表达式，以便从一个已知量来推测另一个未知量，为估计预测提供一个重要的方法。 回归分析与相关分析 理论和方法具有一致性； 无相关就无回归，相关程度越高，回归越好； 相关系数和回归系数方向一致，可以互相推算。 联系： 相关分析中x与y对等，回归分析中x与y要确定自变量和因变量； 相关分析中x、y均为随机变量，回归分析中只有y为随机变量； 相关分析测定相关程度和方向，回归分析用回归模型进行预测和控制。 回归分析与相关分析 区别： 返回 一、简单线性回归方程的建立 二、估计标准误 三、简单线性回归模型预测 四、二元线性回归方程 §6.2　 线性回归分析 返回 回归分析的种类 一元回归 （简单回归） 多元回归 （复回归） 线性回归 非线性回归 一 元线性回归 Simple Linear regression 按自变量的 个数分 ⒈ 按回归曲线的形态分 ⒉ 一、简单线性回归方程的建立 对于经判断具有线性关系的两个变量y与x，在它们的相关图的散点中引出一条模拟的回归直线，以表明两变量的关系，我们称它为估计回归线。配合回归线相应方程式称为回归方程，即： 简单线性回归方程的几何意义 截距 斜率 一元线性回归方程的可能形态 为正 为负 为0 简单线性回归方程建立的步骤 2、确定简单线性回归方程： 回归系数 的意义：表明自变量x每变动一个单位，因变量y平均变动 个单位。 1、确定自变量、因变量；在两个变量之间，必须确定哪个是自变量，哪个是因变量。 式中： 是y的估计值， 为直线在y轴上的截距， 为斜率，又称为回归系数。 随机干扰：各种偶然因素、观察误差和其他被忽视因素的影响 X对y的线性影响而形成的系统部分，反映两变量的平均变动关系，即本质特征。 残差(Residual):e 3、确定待定参数 普通最小二乘法（OLS） 基本数学要求： 整理得到以下正规方程组： 进一步整理，有： 【例】某企业上半年产品产量与单位成本资料如下： 要求：⑴计算相关系数，说明两个变量相关的密切程度。⑵配合回归方程，指出产量每增加1000件时，单位成本平均变动多少？⑶假定产量为6000件时，单位成本为多少元？ 月份 产量（千件） 单位成本（元） 1 2 73 2 3 72 3 4 71 4 3 73 5 4 69 6 5 68 解：⑴计算相关系数 说明产量和单位成本之间存在高度线性负相关关系。 即线性回归方程为： （2）设回归方程为： ⑶当产量为6000件时，即x＝6，代入回归方程： y＝77.37－1.82×6＝66.45（元） 返回 回归系数 的经济意义：它表示当x每变动一个单位时，y平均来说变动多少。即：产量x每增加1000件，单位成本平均下降1.82元。 应用EXCEL的结果： 回归统计 Multiple R 0.909091 R Square 0.826446 Adjusted R Square 0.783058 标准误差 0.977008 观测值 6 　 Coeffic ients 标准 误差 t Stat Intercept 77.36 1.5117 51.178 　　X Variable1 － 1.818 0.4166 - 4.3644 【例】已知某局下10 个企业销售收入与销售利润的数据资料如下： 试求两者的回归直线方程。（单位是万元） 解：散点图为： 计算表格： 代入公式计算得： 则方程为： 应用EXCEL的结果： 回归统计 Mult