统计基础（第二版）模块八 相关与回归分析.pptVIP

相关系数 (计算公式) ? 样本相关系数的计算公式 或化简为 相关系数的性质(取值及其意义的图解) -1.0 +1.0 0 -0.5 +0.5 完全负相关 无线性相关 完全正相关 负相关程度增加 r 正相关程度增加 EXCEL计算相关系数 1插入函数-统计-Pearson（皮尔生） 2数据-数据分析-回归 是相关系数的平方，用 表示；用来衡量回归方程对y的解释程度。 判定系数取值范围： 判定系数 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﹪。 【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 序号 能源消耗量（十万吨）x 工业总产值（亿元）y x2 y2 xy 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 35 38 40 42 49 52 54 59 62 64 65 68 69 71 72 76 24 25 24 28 32 31 37 40 41 40 47 50 49 51 48 58 1225 1444 1600 1764 2401 2704 2916 3481 3844 4096 4225 4624 4761 5041 5184 5776 576 625 576 784 1024 961 1369 1600 1681 1600 2209 2500 2401 2601 2304 3364 840 950 960 1176 1568 1612 1998 2360 2542 2560 3055 3400 3381 3621 3456 4408 合计 916 625 55086 26175 37887 任务二：认识回归分析 一、回归分析的概念及特点 回归：regression 回归分析，是指在相关分析的基础上，把变量之间的具体变动关系模型化，求出关系方程式，就是找出一个能够反映变量间变化关系的函数关系式，并据此进行估计和推算。 通过回归分析，可以将相关变量之间不确定、不规则的数量关系一般化、规范化。从而可以根据自变量的某一个给定值推断出因变量的可能值（或估计值）。 特点： （1）变量之间不是对等的关系； （2）自变量是确定性变量，因变量是随机变量 （3）回归方程中的系数有正负之分； （4）互为因果关系的两个变量，可以编制两个独立的回归方程； （5）可以用自变量的值推算因变量的值。 回归分析与相关分析 相关分析是回归分析的基础和前提。 无相关就无回归，相关程度越高，回归越好； 回归分析是相关分析的深入和继续。 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： 注意 我们不能把回归分析看作是在变量间建立一个因果关系的过程。回归分析只能表明，变量是如何或者是以怎样的程度彼此联系在一起的。有关因果关系的任何结论，必须建立在理论分析的基础之上。 二、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 三、一元线性回归方程的建立 相关分析 （1）确定出现象之间是否存在相关关系； （2）测定现象之间相关关系的密切程度； 回归分析 （3）确定出回归方程并推算； （4）计算出估计的误差。 一元线性回归模型 对于经判断具有线性关系的两个变量y与x，构造一元线性回归模型为： 回归模型：描述因变量 Y如何依赖于自变量X 和误差项? 的方程。 误差项? 是随机变量，反映了除 X 和 Y之间的线性关系之外的随机因素对 Y 的影响，是不能由 X和 Y之间的线性关系所解释的变异性。 一元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 斜率（回归系数） 截距 截距表示在没有自变量x的影响时，其它各种因素对因变量y的平均影响；回归系数表明自变量x每变动一个单位，因变量y平均变动b个单位。 一元线性回归方程 中参数a、b的确定： 最小二乘法 基本数学要求： 整理得到由两个关于a、b的二元一次方程组成的方程组： 进一步整理，有： 统计基础 张俊清 课程结构 模块一 认识统计 模块二 统计调查 模块三 统计整理 模块四 综合指标分析 模块五 时间数列分析 模块六 统计指数分析 模块七 抽样推断分析 模块八 相关与回归分析 模块九 撰写统计分析报告 模块八：相关与回归分析 任务一：认识相