市场需求估计相关分析与回归分析.pptVIP

从表9—2可知，随着商品销售额的增加，流通费用率相应降低。 从图9—2进一步可知这两个变量之间相关点的分布状况及相关程度，表现为开始阶段流通费用下降较快，随着商品销售额的增加，下降渐趋平缓，两者关系呈近似双曲线相关。 第十八页，共五十四页。 相关系数 相关系数的概念 相关图可以帮助我们直观了解相关关系，但这只是初步的判断，是相关分析的开始。为了说明现象之间相关关系的密切程度，就要计算相关系数。相关系数是直线相关条件下说明两个现象之间相关关系密切程度的统计分析指标。 第十九页，共五十四页。 相关系数的测定与应用 第二十页，共五十四页。 第二十一页，共五十四页。 第二十二页，共五十四页。 第二十三页，共五十四页。 第二十四页，共五十四页。 第二十五页，共五十四页。 第二十六页，共五十四页。 相关关系的分析 相关系数的性质如下： 相关系数的取值范围在-1和+1之间，即：–1≤r≤ 1. 计算结果，若r为正，则表明两变量为正相关；若r为负，则表明两变量为负相关。 相关系数r的数值越接近于1（–1或+1），表示相关系数越强；越接近于0，表示相关系数越弱。如果r=1或–1，则表示两个现象完全直线性相关。如果=0，则表示两个现象完全不相关（不是直线相关）。 ，称为微弱相关、 ，称为低度相关、 ，称为显著相关、 ，称为高度相关 第二十七页，共五十四页。 第三节 回归分析—简单直线回归 回归分析与相关分析的区别和联系 （一）回归分析的概念 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。 第二十八页，共五十四页。 （二）回归分析与相关分析的区别与联系 1、回归分析与相关分析的区别 （1）相关分析所研究的两个变量是对等关系。 （2）对两个变量x和y 来说，相关分析只能计算出一个相关系数，计算中改变x和y 的地位不影响相关系数的数值；回归分析则不同，有时可以根据研究目的不同分别建立两个不同的回归方程。 （3）相关分析对资料的要求是：两个变量都必须是随机变量。 （4）相关分析只研究变量间是否存在关系以及关系的密切程度。回归分析研究的是变量间存在的是什么关系，比相关关系分析更进一步。 第二十九页，共五十四页。 2、回归分析与相关分析的联系 （1）相关分析是回归分析的基础和前提。 （2）回归分析是相关分析的深入和继续。 因此，如果仅有回归分析而缺少相关分析，将会因为缺乏必要的基础和前提而影响回归分析的可靠性。如果仅有相关分析而缺少回归分析，就会降低相关分析的意义。只有把两者结合起来，才能达到统计分析的目的。 第三十页，共五十四页。 简单直线回归方程的确定 （一）直线回归方程 简单直线回归方程又称一元线性回归方程。它是根据成对的两种变量的数据，寻找一直线方程代替两变量的变化趋势，根据自变量的变动，来推算因变量发展趋势和水平的方法。它是研究相互关联的两种经济现象数量变动依存关系的一种方法。 第三十一页，共五十四页。 （二）配合直线方程的前提条件 1、两个变量之间确实存在显著的相关关系 2、两种变量之间确实存在着直线相关关系 第三十二页，共五十四页。 （三）确定直线回归方程 当两变量x、y 之间存在直线相关关系时，可以用直线方程 近似代替x与y的关系。方程中的参数a是回归直线的起点值，表现为当时回归直线的y坐标，即y轴上的一个点，数学上叫截距。参数b 是回归直线的斜率，即回归系数。它代表自变量x每增加一个单位时，因变量y的平均增加值。a和b 数值确定了，直线回归方程也就确定了。确定a、b的数值可用最小平方法，原理如下。 第三十三页，共五十四页。 第三十四页，共五十四页。 第三十五页，共五十四页。 第三十六页，共五十四页。 3、回归方程的作用 根据回归方程可以推算出已知值的估计值，以便估计误差。例如利用回归方程推求，工龄为8年时，其日产量为 （件），即约为73件。不仅可以推出已知的估计值。而且可以利用回归方程预测未知的值，如当工龄为3年时，其日产量估计值约为50件。 第三十七页，共五十四页。 回归误差及计算 （一）回归误差的概念 回归直线是在直线相关条件下，反映两个变量之间一般数量关系的平均线。根据直线回归方程，我们知道了自变量的数值，就可以推算出因变量的数值。但是，推算出来的因变量数值并不是精确的数值，它是一个估计值，和实