第六章 回归分析课件.ppt

第六章回归分析;讨论问题：影响城市公交规模的因素;;;二、回归分析和相关分析

函数关系

函数关系反映客观事物之间存在着严格的依存关系。在这种关系中，当一个或几个变量取值一定时，另一个变量有确定的值与之相对应，并且这种关系可以用一个确定的数学表达式反映出来。

一般把作为影响因素的变量称为自变量，把发生对应变化的变量称为因变量。;【如】：某种商品的销售额(y)与销售量(x)之间的关系可表示为y=px(p为单价)；

圆的面积(S)与半径之间的关系可表示为S=?R2。

企业的原材料消耗额(y)与产量(x1)、单位产量消耗(x2)、原材料价格(x3)之间的关系可表示为y=x1x2x3;;【如】：商品的消费量(y)与居民收入(x)之间的关系；

商品销售额(y)与广告费支出(x)之间的关系；

粮食亩产量(y)与施肥量(x1)、降雨量(x2)、温度(x3)之间的关系；

收入水平(y)与受教育程度(x)之间的关系；

父亲身高(y)与子女身高(x)之间的关系；;回归分析与相关分析的关系

相关分析

相关分析是研究两个或两个以上随机变量之间线性依存关系的紧密程度。通常用相关系数表示，多元相关时用复相关系数表示。

回归分析

回归分析是研究某一随机变量（因变量）与另外一个或几个普通变量（自变量）之间的数量变动的关系。由回归分析求出的关系式，称为回归模型。;1、区别：

（1）相关分析所研究的两个变量是对等关系；回归分析所研究的两个变量不是对等关系。

（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；回归分析有时可根据研究目的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，而回归分析对资料的要求是，自变量是可控变量，因变量是随机变量。

2、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。;三、回归模型的种类;;根据自变量的多少

回归模型可以分为一元回归模型和多元回归模型。

根据回归模型的形式线性与否

回归模型可以分为线性回归模型和非线性回归模型。

根据回归模型是否带有虚拟变量

回归模型可以分为普通回归模型和带虚拟变量的回归模型。

此外，根据回归模型是否用滞后的因变量作自变量，回归模型又可分为无自回归现象的回归模型和自回归模型。;补充：相关关系的判断

（一）定性判断：根据对客观事物的定性认识判断。

（二）相关表判断：将现象之间的相关关系用表格来反映。;（三）散点图判断：也称散布图，是将现象之间的关系用图像来表示的方法。;（2）计算方法：用积差法（Pearson相关系数，CORREL函数）;（3）相关系数的性质：

1）r的取值范围是[-1,1];

2）|r|=1，完全相关；r=1，完全正相关；r=-1,完全负相关;

3）r=0，不存在线性相关（不一定无其它相关）;

4）-1?r0，为负相关；0r?1，为正相关;

5）|r|越趋于1表示关系越密切，越趋于0表示关系越不密切;

6）在实际应用中的标准:

|r|＜0.3为无相关；0.3≤|r|＜0.5为低度相关；

0.5≤|r|＜0.8为显著相关；|r|≥0.8为高度相关。;【例】计算工业总产值与能源消耗量之间的相关系数。资料;（4）相关系数的显著性检验

用t检验法，基本步骤为：;【例】检验工业总产值与能源消耗量之间的线性相关性是否显著。（α=0.05）;第二节一元线性回归模型;国内生产总值y与固定资产投资完成额x间关系的散点图;;;（6.2.2）为一元线性回归方程。

;三、一元线性回归模型的基本特征

（1）由于，其中（a+bxi）为常量项（不是随机变量），εi是随机变量，因此yi也是随机变量。

;四、OLS(OrdinaryLeastSquare）估计

OLS的中心思想

最小二乘法的中心思想，是通过数学模型，配合一条较为理想的趋势线。这条趋势线必须满足下列两点要求：

（1）原数列的观测值与模型估计值的离差平方和为最小；

（2）原数列的观测值与模型估计值的离差总和为0。

公式表示为：;;整理得：;;【分析】因