第七章 相关分析和线性回归分析.ppt

第七章 相关分析和线性回归分析 利用回归方程进行预测 建立回归方程的目的之一是根据回归方程对事物的未来发展趋势进行控制和预测。 步骤 确定解释变量和被解释变量 确定回归模型 建立回归方程 对回归方程进行各种检验 线性回归模型 观察被解释变量y和一个或者多个解释变量xi的散点图，当发现y与xi之间呈现出显著的线性相关时，则应采用线性回归分析的方法，建立y关于xi的线性回归模型。 根据模型中解释变量的个数，可将线性回归模型分为一元线性回归模型和多元线性回归模型，相应的分析称为一元线性回归分析和多元线性回归分析。 一元线性回归模型 只有一个解释变量的线性回归模型，用于揭示被解释变量与另一个解释变量之间的线性关系。 数学模型：y＝β0+β1x+ε （β0和β1分别称为回归常数和回归系数，ε成为随机误差） 在不考虑其他影响因素或在认为其他影响因素确定的条件下，分析一个解释变量是如何线性影响被解释变量的。 多元线性回归模型 多重线性回归方程：Y=β0+β1x1+β2x2+…βpxp+ε a是常数，β0，：回归常数，β1…βp是偏回归系数。偏回归系数表示其他自变量假设不变时，某一个自变量变化而引起因变量变化的比率。 若要比较各自变量对因变量的贡献，则要将原始数据分别转化为标准分数，以标准分数建立标准回归方程：ZY=?1Zx1+ ?2Zx2 此时的?是标准偏回归系数。 多元线性回归的条件 1、