第七回归与相关.pptxVIP

会计学;第 一 节;一、函数关系与相关关系; 在这种关系中，变量之间的关系值是随机的，当一个（或几个）变量的值确定以后，另一变量的值虽然与它（们）有关，但却不能完全确定。然而，它们之间又遵循一定的统计规律。;二、相关关系的种类1、按相关的方向分为正相关和负相关 ; 2、按研究变量多少分为单相关和复相关; 3、按相关形式分为线性相关和非线性相关; 4、按相关性质可分为真实相关和虚假相关;相关分析与回归分析; 回归的现代意义;三、回归分析与相关分析的关??? ; 2、相互联系：有共同的研究对象，相互补充。;四、相关表与相关图;编号;第14页/共117页;三、相关分析的主要内容（一）确定现象间有无关系存在，若有关系，计算其相关程度（二）确定相关关系的表现形式及其技术模型（三）判断因变量一般值的代表性（四）显著性检验（五）回归预测;8．2 简单线性相关与回归分析; 一、简单线性相关系数及检验;（一）样本简单线性相关系数(correlation)的定义 一般用 表示总体相关系数，用r 表示样本相关系数。样本相关系数是用积分差进行定义与计算的，其公式如下： ; 实际计算时，相关系数r可采用下列等价公式计算：;相关系数具有如下性质： （1）当 =1时，x与y完全线性相关，y与x之间存在着确定的函数关系。 （2）当 时，表示y与x之间存在着一定的线性相关关系。 的数值愈大，愈接近于1时，表示y与x之间的线性相关程度愈高；反之， 的数值愈小，愈接近于0时，表示y与x之间的线性相关的程度愈低。; 通常，判断的标准是： ，称为微弱相关； ，称为低度相关： ，称为显著相关 ； ，称为高度相关。（3）当r=0时，表示y与x之间没有直接的线性相关关系，即y与x的变化无关。; （4）从定性上讲，r＞0表示y与x为正相关，即两者变化方向相同；r＜0表示y与x之间是负相关，两者变化方向相反。; 使用相关系数的注意事项：; 例题1: 经验表明：商场利润额与其销售额之间存在相关关系。下表为某市12家百货公司的销售额与利润额统计表，试计算其相关系数。;编号;销售额x;; 习题1： 家庭储蓄与家庭收入之间有一定关系。现从某城市家庭中抽取12个家庭，所得月收入与月储蓄的样本数据如下表：计算其相关系数。;家庭编号;第30页/共117页;x;第32页/共117页;二、标准的一元线性回归模型 （ 简单线性回归模型）;关于 的标准假定：;; （二）样本回归函数 根据样本数据拟合的直线，称为样本回归直线： 样本回归函数： 称为残差(residual);; 样本回归函数与总体回归函数的关系 ——相互联系 ;样本回归函数与总体回归函数的关系  ——相互区别 ; 三、回归系数的估计; 简单线性回归的基本假定;（三）一元线性回归模型 (一）回归系数的估计（最小平方法）（least-squares regression estimation) 通常采用残差平方和 作为衡量总偏差的尺度。;第43页/共117页;;总体回归系数的估计公式：; 例题2: 经验表明：商场利润额与其销售额之间存在相关关系。下表为某市12家百货公司的销售额与利润额统计表，试以销售额为自变量，利润额为因变量建立直线回归模型。;编号;; 所求回归直线方程为：  回归直线方程表明，百货公司的销售额为零时，平均利润-3.71万元；百货公司的销售额每增加1万元，利润额平均增加0.5286万元. ; 习题2：某市10家百货商店月人均销售额和利润率的资料如下表所示： （1）求出利润率对月人均销售额的回归直线方程。 ;商店编号;第52页/共117页;月人均销售额（万元）x;第54页/共117页; 其回归系数的意义为月人均销售额为零时，利润率为0.6082万元;不符合实际.月人均销售额每增加1万元，利润率就增加4.466%。; 习题3： 家庭储蓄与家庭收入之间有一定关系。现从某城市家庭中抽取12个家庭，所得月收入与月储蓄的样本数据如下表： （1）拟合居民家庭月储蓄与家庭月收入的直线方程，并解释回归系数的意义。;家庭编号;第58页/共117页;x;第60页/共117页; 其回归系数的意义为家庭月收入为零时，家庭平均月储蓄将减少0.328百元;家庭月收入每增加1百元，居民家庭月储蓄将平均增加0.3777