简单回归和相关分析研究两个变量之间关系.pptVIP

简单回归和相关分析研究两个变量之间关系 本章重点 什么是线性回归模型 建立线性回归模型的步骤 解释最小平方法 计算回归系数 样本回归方程在统计推断中的作用 如何衡量变量之间关系的密切程度 函数关系和统计关系 函数关系： 两变量的数量表现在一定条件下是完全确 定的。 如： 圆的面积和半径的关系 统计关系（相关关系）： 两变量的数量表现尽管存在着密切关系， 但却不是完全确定的。 如：成本和利润的关系 统计关系的种类 按涉及变量的多少可分 简单相关回归关系（一个自变量和一个因变量） 复相关复回归关系（一个因变量和多个自变量） 按变量关系在图形上的形态可分 线性相关回归 非 线性相关回归 按 两变量变动的方向可分 正相关回归 负相关回归 分析统计关系的定量方法 12省市自治区销售额与利润额的相关 12省市自治区销售额与利润额的回归 12省利润额对销售额的散点图及回归 相关系数的计算 相关系数对样本相关关系的计量 建立 样本线性回归模型的方法----最小平方法 实际观察值与样本回归线上 的点的距离的平方和最小 X Y e1 e2 e3 e4 最小 样本回归系数的计算公式 线性回归分析 目的； 在因变量和自变量之间建立一个数学模型，根据这个模型可以根据自变量的变动预测因变量的变动。 应注意的问题： 1. 建立模型的目的 2. 谁将用这个模型 3. 建立 模型用的资料是否合适 4. 如何利用模型 建立 样本线性回归模型的实际例子1 现有10个企业的销售额和利润的资料 问： 利润额和销售额 之间存在什么样 的关系 销售额和利润额的散点图 利润额 实际例子的计算1 实际例子的计算2 表示当销售额增加或减少1亿元时,利润额平均增加或减少0.22亿元 建立 线性回归模型的步骤 确定研究的问题 设样本回归模型(如: ) 搜集样本资料(数据资料) 估计未知参数(计算统计量) 得到样本回归方程 用模型预测因变量 总体线性回归模型的图示 Y X 观察值 观察值 总体线性回归模型 因变量 自变量 参数 随机误差 Y单值 Y条件平均数 利用回归方程预测的三个假设条件 对于给定的每个X,Y都服从正态分布 是随机变量并相互独立 对于给定的每个X, 都相等, 即对应不同的X,Y的离散程度是相等的. 三个假设条件的图示 Xi XJ Xk 总体回归模型与样本回归方程 Y X 观察值 观察值 ei Y拟合值 残值 估计标准误差 估计标准误差: 实际观察值Y与 Y的平均离差 它可用来估计Y值围绕总体回归线的离散 程度 利用回归方程对总体进行推断 对给定的X，求 的置信区间 对给定的X，求单个 的置信区间 求 的置信区间 根据样本回归方程对 的假设进行检验 Yi, 之间的关系 Y X Yi X（给定的） ? ? (通过样本回归方程计算得到)