第四章Minitab相关与回归分析.pptxVIP

Minitab相关与回归分析

2023最新整理收集

do

something

相关分析与一元回归

相关分析及其实现

回归分析基本理论

标准的一元线性回归模型

一元线性回归模型的估计

一元线性回归模型的检验

一元线性回归模型的Minitab实现

一元线性回归模型预测

非线性回归简介

小组讨论与练习

本章目标

1.了解并掌握相关分析的基本理论及应用

2.了解并掌握一元回归模型的理论

3.理解并掌握一元回归模型的估计方法

4.掌握一元回归模型的检验方法

5.了解一元回归模型的预测

6.学会用Minitab建立模型并用于预测

7.了解并熟悉非线性回归知识

相关分析及其实现

变量之间关系

相关分析和回归分析是研究客观现象之间数量联系的重要统计方法，两者在有关现实经济和管理问题的定量分析中，具有广泛的应用价值。

相关分析是研究事物的相互关系，测定它们联系的紧密程度，揭示其变化的具体形式和规律性的统计方法，是构造各种经济模型、进行结构分析、政策评价、预测和控制的重要工具。

相关关系度量工具

不相关

符号：r0正相关；r0负相关

测定两变量是否线性相关？

相关系数的检验：

统计量t遵从t(n－2)分布，将r变换成t后，可以用t检验方法检验ρ=0是否成立。

案例实现

例1.某建筑公司想了解位于某街区内的住宅地产的销售价格y与总评估价值x之间的相关程度到底有多大?

从该街区去年售出的住宅房地产中随机抽选10所住宅的房地产作样本，分别的总评估价值和销售价格资料如下：

总评估价值

销售价格

房地产

x（美元）

y（美元）

1

2

3

4

5

6

7

8

9

10

79760

98480

110655

96859

100861

105230

94798

139850

170341

155137

95000

116500

156900

111000

110110

100000

130000

170400

211500

185000

绘制散点图,观察其相关关系

输入数据，点击Graph-Scatterplot弹出如下对话框，

选择变量进入对话框，点击OK绘制散点图

散点图及关系表述

从此散点图可以看出，总评估价值x与销售价格y之间存在线性的正相关关系，相关程度比较大，随着总评估价值的增大，销售价格也呈现增长的态势，下面我们确切的计算其两者间的相关系数。

计算相关系数

点击BasicStatistics—Correlation计算相关系数

变量选择及结果

选择因变量自变量进入对话框，

点击OK结果如下表：

计算得出的相关系数r

及其检验p值

回归分析基本理论

回归分析(RegressionAnalysis)的起源及其应用思想。

回归分析是寻求一个随机变量y对另一个或一组(随机或非随机)变量x1，x2…，xn的随机相依关系的一种统计分析方法。

管理决策中常遇到的回归问题,如:

广告支出与营业额

售货员工龄与年销售额

汽车使用年数与年平均修理成本

轮胎等级与其装载能力

应用案例及变量分类

应用案例：

食品连锁店关于餐馆季节性营业额与附近学生总数的回归分析应用

回归模型中的变量：

因变量或称响应变量y(DependentVariable或Response)

自变量或称影响因素x(IndependentVarible或Predictors)

回归分析

回归分析和相关分析的联系和区别

1.理论和方法具有一致性；

2.无相关就无回归，相关程度越高，回归越好；

3.相关系数和回归系数方向

一致，可以互相推算。

1.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；

2.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；

3.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。

ut是随机误差项，又称随机干扰项，它是一个特殊的随机变量，反映未列入方程式的其他各种因素对y的影响。

et称为残差，在概念上，et与总体误差项ut相互对应；n是样本的容量。

a、b分别为α、β的样本估计值

(二)样本回归函数:

(一)总体回归函数：

标准的一元线性回归模型

一元线性回归模型的估计

2.总体方差的估计

其中:

1.回归系数的估计

根据实际数据，用最小二乘法，即使，分别对a、b求偏导并令其为零，求得两个标准方程：

联立求解得：

一元线性回归模型的检验

回归模型检验的种类

回归模型的检验包括理论意义检验、一级检验和二级检验。

理论意义检