工业系统工程回归分析.pptxVIP

相关和回归分析研究系统的相互联系、测定其联系的紧密程度、揭示其变化的具体形式和规律性的统计方法，是构造各种系统模型、进行系统结构分析、预测和控制的重要工具。【主要内容】一、相关和回归分析的基本概念二、一元线性回归分析三、多元线性回归分析四、非线性回归分析一、相关和回归分析的基本概念比较下面两种现象间的依存关系函数关系确定性关系 ⒈ 出租汽车费用与行驶里程： 总费用=行驶里程 ? 每公里单价相关关系非确定性关系2. 家庭收入与恩格尔系数： 家庭收入高，则恩格尔系数低。函数关系和相关关系现象间的依存关系大致可以分成两种类型：指现象间所具有的严格的确定性的依存关系函数关系指客观现象间确实存在，但数量上不是严格对应的依存关系相关关系函数关系与相关关系之间并无严格的界限：有函数关系的变量间，由于有测量误差及各种随机因素的干扰，可表现为相关关系；对具有相关关系的变量有深刻了解之后，相关关系有可能转化为或借助函数关系来描述。函数关系 指变量之间存在着确定性依存关系。当一个或一组变量每取一个值时，相应的另一个变量必然有一个确定值与之对应 。函数关系可以用一个确定的公式，即函数式 来表示。 相关关系，可用模型 来表示。 相关关系 指变量之间存在着非确定性依存关系。即当一个或一组变量每取一个值时，相应的另一个变量可能有多个不同值与之对应 。 例、根据消费理论，商品需求量Q与商品价格P、居民收入I之间具有相关关系： 相关分析和回归分析研究现象之间相关关系的两种基本方法：相关分析就是用一个指标来表明现象间相互依存关系的密切程度就是根据相关关系的具体形态，选择一个合适的数学模型，来近似地表达变量间的平均变化关系。回归分析相关系数与判定系数在直线相关的条件下，用以反映两变量 间 线性相关 密切程度的指标，用r表示相关系数相关系数与判定系数相关系数r的取值范围：-1≤r≤1 r0 为正相关，r 0 为负相关； |r|=0 表示不存在线性关系； |r|＝1 表示完全线性相关； 0|r|1表示存在不同程度线性相关： |r| 0.4 为低度线性相关； 0.4≤ |r| ＜0.7为显著性线性相关； 0.7≤|r| ＜1.0为高度显著性线性相关。判定系数取值范围：相关系数与判定系数判定系数是相关系数的平方，用 r2 表示；用来衡量回归方程对y的解释程度。 r2 越接近于1，表明x与y之间的相关性越强； r2 越接近于0，表明两个变量之间几乎没有直线相关关系.【例】计算工业总产值与能源消耗量之间的相关系数及判定系数资料结论：工业总产值与能源消耗量之间存在高度的正相关关系，能源消耗量x的变化能够解释工业总产值y变化的95.2﹪。二、一元线性回归分析1、标准的一元线性回归模型2、一元线性回归模型的估计3、一元线性回归模型的检验 4、一元线性回归模型预测 回归分析的种类Simple Linear regression一元回归简单回归按自变量的 个数分一 元线性回归多元回归复回归线性回归按回归曲线的形态分非线性回归1、标准的一元线性回归模型(一)总体回归函数 Ｙt＝β1＋β2Ｘt＋ut　 u t是随机误差项，又称随机干扰项，它是一个特殊的随机变量，反映未列入方程式的其他各种因素对Ｙ的影响。(二)样本回归函数: ｔ＝１，２，... n ｅt称为残差，在概念上，ｅt与总体误差项ut相互对应；ｎ是样本的容量。总体回归线是未知的，只有一条。样本回归线是根据样本数据拟合的，每抽取一组样本，便可以拟合一条样本回归线。总体回归函数中的β1和β2是未知的参数，表现为常数。而样本回归函数中的 是随机变量，其具体数值随所抽取的样本观测值不同而变动。总体回归函数中的ut是Ｙt与未知的总体回归线之间的纵向距离，它是不可直接观测的。而样本回归函数中的ｅt是Ｙt与样本回归线之间的纵向距离，当根据样本观测值拟合出样本回归线之后，可以计算出ｅt的具体数值。样本回归函数与总体回归函数区别误差项的标准假定假定１： 误差项的期望值为零: Ｅ（ut）＝０ 。假定２：误差项的期望值为常数: Var(ut) ＝ 。假定３： 误差项之间不存在序列相关,协方差为零: Cov(utus)＝０ (ｔ≠ｓ) 。假定４：自变量是给定变量，与误差项线性无关。假定５：随机误差项服从正态分布。 满足以上标准假定的一元线性回归模型，称为标准的一元线性回归模型。?2为正?2为负?2为02、一元线性回归模型的估计一元线性回归方程的几何意义斜率截距一元线性回归方程的可能形态截距总体一元线性回归方程:以样本统计量估计总体参数样本一元线性回归方程：估计的一元线性回归方程斜率（回归系数）截距β1 表