分享
分销 收藏 举报 申诉 / 68

类型6第六章相关与回归分析.ppt

  • 上传人:快乐****生活
  • 文档编号:14633262
  • 上传时间:2026-10-23
  • 格式:PPT
  • 页数:68
  • 大小:2.36MB
  • 下载积分:10 金币
  • 配套讲稿:

    如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。

    特殊限制:

    部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。

    关 键  词:
    第六 相关 回归 分析
    资源描述:
    单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,第六章 相关与回归分析,主要内容,第一节 回归与相关分析的基本概念,第二节 一元线性回归分析,第三节 多元线性回归分析,第四节 相关分析,统计应用,1949,年,宝丽来公司创始人,Edwin Land,博士宣布一分钟成像技术已研发成功,公司已开展大众摄影的业务。宝丽来第一台照相机和第一卷胶卷诞生于,1949,年。在那以后,宝丽来公司在化学、光学和电子学方面进行试验和开发,生产出更高质量、可靠性和更为便利的摄影系统。,为了研究彩色专业打印胶片感光速度和保存时间的关系,宝丽来中心感光实验室抽取保存时间从,1,13,个月(生产之后的时间)不等的胶片。,数据表明,胶片感光速度随着时间增加而递减,,胶片感光速度和胶片保存时间的关系可以近似用一条直线或线形关系表示出。,利用回归分析,宝丽来公司建立,感光速度,与,保存时间,之间的关系式,胶卷的感光速度的变动,x,胶卷的保存时间,第一节 相关与回归分析的基本概念,一、函数关系与相关关系,二、相关关系的种类,三、相关分析与回归分析,四、相关图与相关表,经济变量之间的关系,大体可分为两类:,确定性关系,或,函数关系,:,研究的是确定现象非随机变量间的关系。,统计依赖,或,相关关系,:,研究的是非确定现象随机变量间的关系。,一、函数关系与相关关系,变量间的关系,(函数关系),是一一对应的确定关系,设有两个变量,x,和,y,,变量,y,随变量,x,一起变化,并完全依赖于,x,,当变量,x,取某个数值时,,y,依确定的关系取相应的值,则称,y,是,x,的函数,记为,y,=,f,(,x,),,其中,x,称为自变量,,y,称为因变量,各观测点落在一条线上,x,y,变量间的关系,(函数关系),函数关系的例子,某种商品的销售额,(,y,),与销售量,(,x,),之间的关系可表示为,y,=,p,x,(,p,为单价,),圆的面积,(S),与半径之间的关系可表示为,S,=,R,2,企业的原材料消耗额,(,y,),与产量,(,x,1,),、单位产量消耗,(,x,2,),、原材料价格,(,x,3,),之间的关系可表示为,y,=,x,1,x,2,x,3,变量间的关系,(相关关系),变量间关系不能用函数关系精确表达,一个变量的取值不能由另一个变量唯一确定,当变量,x,取某个值时,变量,y,的取值可能有几个,各观测点分布在线周围,x,y,相关关系的图示,不相关,负线性相关,正线性相关,非线性相关,完全负线性相关,完全正线性相关,相关分析,:,研究现象(变量)间相互依存关系的密切程度的方法论;,三、相关分析与回归分析,什么是回归分析?,从一组样本数据出发,确定变量之间的数学关系式,对这些关系式的可信程度进行各种统计检验,并从影响某一特定变量的诸多变量中找出哪些变量的影响显著,哪些不显著,利用所求的关系式,根据一个或几个变量的取值来预测或控制另一个特定变量的取值,并给出这种预测或控制的精确程度,回归分析的任务是揭示出呈因果关系的相关变量间的联系形式,建立它们之间的回归方程,利用所建立的回归方程,由自变量(原因)来预测、控制依变量(结果)。,在回归分析中,有两种变量:被预测变量称之,被解释变量,(,Explained Variable,),或,因变量,(,Dependent Variable,),后一些变量被称为,解释变量,(,Explanatory Variable,),或,自变量,(,Independent Variable,),。,第一次用统计方法来研究两个个体之间的关系的是,Francis Galton,(,1822-1911,)。,Galton,的同事,,Karl Pearson,(,1857-1936,)利用该方法来研究,1078,对父亲和儿子身高之间的关系。,一个,10,户居民的可支配收入,(,百元,),与消费,(,百元,),的统计资料按升序排列见下表:,消费支出,15 20 30 40 42 53 60 65 70 78,可支配收入,18 25 45 60 62 75 88 92 99 98,在上述,收入,-,消费例中,,经济理论认为居民消费支出是可支配收入的函数。,举例说明,即可支配收入,(X),的变化是消费支出,(Y),变化的原因,因此,可得如下回归模型:,Y=-0.208+0.718 X,从回归模型可知,:居民每,1,元的可支配收入中,将有,0.718,元用于消费支出。,因此,,如果估计其中一位居民可支配收入提高到,100,元,则可预测其消费支出将上升到,71.556,元。,注意,不线性相关并不意味着不相关;,有相关关系并不意味着一定有因果关系;,回归分析,/,相关分析研究一个变量对另一个(些)变量的统计依赖关系,但它们并不意味着一定有因果关系。,回归分析,对变量的处理方法存在不对称性,即区分因变量(被解释变量)和自变量(解释变量):前者是随机变量,后者不是;,相关分析,则对称地对待任何(两个)变量,两个变量都被看作是随机的。,著名统计学家,卡尔,皮尔逊,设计了,统计指标,相关系数。,(线性)相关系数,:,当两变量间存在线性相关关系时,其相关的密切程度可用(线性)相关系数定义:,样本相关系数:,四、相关图与相关表,相关关系的判断常用方法:指标法、相关表、相关图。,相关关系的测度,(相关系数取值及其意义),r,的取值范围是,-1,1,|,r,|=1,,,为完全相关,r,=1,,为完全正相关,r,=-1,,为完全负正相关,r,=0,,,不存在,线性相关,关系,-1,r,0,,,为负相关,0,=30),,,t,统计量接近于正态分布,从而可用正态分布的,Z,统计量进行区间预测。这时,预测的残差的方差接近于常数,从而使预测区间接近于两条平,行,于样本回归线的直线。,在上述收入,-,消费支出例中,,如果该区人均可支配月收入增加到,100,元,则居民消费支出费用会上升到,71.556,元。在,95%,的置信度下,其预测区间为,即,第三节 多元线性回归,一、多元线性回归模型,二、多元线性回归模型的估计,三、多元线性回归模型的检验,四、多元线性回归预测,1,、,总体多元线性回归模型:,t=1,2,n,2,、,标准假设:,一元回归模型中的,5,条,外加,假设,6,:各自变量,X,之间不线性相关;,假设,7,:如果各,X,是随机变量,则与随机干扰项,u,不相关。,一、多元线性回归模型,3,、总体多元回归函数,:,其中,,表示当其他自变量保持不变时,变化一个单位所引起被解释变量,Y,平均变化量,因此也称为,偏回归系数,。,4,、样本多元回归模型,其中,为样本残差,它可看成是总体回归模型中随机干扰项的估计量。,5,、样本回归函数,同一元回归分析一样,,多元回归分析就是要通过样本回归模型估计样本回归函数,并用样本回归函数“近似”代替总体回归函数。,二、多元线性回归模型的估计,(一)回归系数的估计,多元线性回归函数的,估计仍用最小二乘法,,即寻找一组样本回归系数,使,Y,的样本估计值与实际观测值间的残差平方和最小:,=min,对参数 求偏导,得,正则方程组,:,其矩阵形式为:,其中,,根据第,6,条假设,各,X,之间没有高度线性相关,则 的逆存在,于是:,注:,设,则:,总体回归模型的矩阵形式,:,样本回归模型的矩阵形式,:,例,研究,19902000,年中国居民消费与,GDP,的关系,采取如下的模型:,其中,Time,是一时间趋势变量,引入该变量是想同时关心随着时间的推移,居民消费有怎样的趋势(上升或下降?),同时也是为了,避免,GDP,与,C,之间有共同变化趋势时进行回归所出现的,谬误相关(,spurious correlation,)。,表,4.3 19902000,年中国居民消费,C,与,GDP,统计数据(单位:亿元),对应于上述总体回归模型的样本回归模型为:,回归结果如下:,可以看出,在,90,年代,在其他变量(这里主要是时间)不变时,,GDP,每增加,1,亿元,居民消费平均增加,0.4186,亿元;而在,GDP,保持不变时,平均居民消费支出估计每年增加约,432,亿元。,(二)总体方差的估计,与一元线性回归分析一样,未知总体回归模型中随机干扰项的方差 可由样本回归模型中的残差项,e,来给出无偏估计:,在,前例中,,总体方差的估计值:,S,2,=3245243/(11-3)=405655,,,标准差的估计值:,S=636.9,。,(,三)最小二乘估计量的性质,可以证明,多元线性回归模型中回归系数的最小二乘估计量为,最优线性无偏估计量,,即满足,线性性,、,无偏性,、,有效性,(,最小方差性,),及,一致性,。,注意,:,回归系数最小二乘估计量有如下,方差矩阵,:,其中,主对角线元素是各回归系数估计量的方差:,三、多元线性回归模型的检验,(一)拟合程度的检验,在多元线性回归分析中:仍有,总离差平方和(,SST,),=,可以由回归线解释的部分(回归平方和,SSR,),+,不能由回归线解释的部分(残差平方和,SSE,),因此,,拟合程度的优劣仍用决定系数,R,2,表示,:,在例,4.4,中,,决定系数为,R,2,=0.9979,。,如果在,4.4,的例中,,不考虑用时间因素表示的趋势项,则可得到一元回归方程:,决定系数为:,R,2,=0.9975,,,可见一元回归中的决定系数小于二元回归的决定系数。,可以证明,:,随着方程中解释变量的增多(回归元增加),残差平方和会不断减少,而总离差平方和不变,因此,,R,2,是自变量个数的非递减函数。,这样容易导致要提高拟合优度,只需增加自变量个数即可的错觉。因此,在多元回归分析中常使用,修正的决定系数,来评价拟合优度:,在例,4.4,中,加入时间因素的二元回归,修正的决定系数为,=0.9974,。,(二)显著性检验,1,、回归系数的显著性检验,回归系数的显著性检验往往也是进行,总体回归参数是否为零,的检验,因此使用的统计量仍为:,其中,是 的标准差的估计值:,为 第,j,个对角元素,,S,2,为随机扰动项,u,方差估计。,2,、回归方程的显著性检验,回归方程的显著性检验就是要检验所估计的方程从总体上看是否是线性的,,即检验“是否总体全部参数同时为零,”。仍用,F,统计量进行检验:,在例,4.4,中,各回归系数的检验结果为:,对显著性水平,=5%,,自由度:,11-3=8,;,t,分布临界值:,=2.306(,双尾),因此,,只有第二个参数通过了检验,即在,90,年代,真正影响居民消费支出的因素是,GDP,(收入因素)。,因此,可考虑建立不带常数项及趋势项的一元回归方程,。,本例中(二元),,F,统计量值为:,F,=771516331/405655=1901.9,而显著性水平为,1%,下,自由度为(,2,,,8,)的,F,临界值为,8.65,,因此认为上述回归方程总体上呈线性关系。,四、多元线性回归预测,当通过检验后建立了适当的(认可的)回归方程后,即可进行内插预测与外推预测,基本公式为:,其中,为给定的,X,j,在预测期的具体值,为,Y,的预测值。,在,例,4.4,,如果最后建立的模型为:,则在,2001,年,GDP,增长率为,10.6%,的情况下(,GDP=98618,亿元,现价),可预测居民消费支出将为,C=0.4703*98618=46380,(,亿元),注,:1、,如果仍用例,4.4,中二元回归模型,则可预测,2001,年居民消费支出为,46665,亿元。,2,、,2001,年居民实际消费为,45923,亿元,因此一元与二元回归模型的预测误差分别为:,1%,与,1.6%,。,一、练习题(,294,),11.5,附加题:,1,、函数关系与相关关系的区别,2,、相关分析与回归分析的区别,3,、回归分析求参数的最小二乘法的思路是?,选择题,:,变量之间的关系按相关程度可分为,A,正相关,B,不相关,C,完全相关,D,不完全相关,判断题,1.,相关系数为,0,表明两个变量间不存在任何关系,2.,样本回归函数中回归系数的估计量是随机变量,3.,当抽取的样本不同时,对同一总体回归模型估计的结果也有所不同,在想什么呢,?,4.,最小二乘法是通过使残差平方和最,小来估计未知参数的,。,1,、不受数列极端值影响的平均数有(),A.,众数,B.,中位数,C.,几何平均数,D.,调和平均数,E.,算术平均数,2,、反映总体各单位标志值离散程度的指标(),A.,只能是相对数,B.,只能是绝对数,C.,可以是相对数,D.,可以是绝对数,E.,只能是平均数,3,、是非标志的方差是(),A.q+p B.qp C.p-q D.(1-p)(1-q)E.p(1-p),4.,评价一个点估计量是否优良的标准有(),A.,无偏性、有效性、一致性,B.,无偏性、一致性、准确性,C.,准确性、有效性、及时性,D.,准确性、及时性、完整性,5.,事先确定总体范围,并对总体的每个单位都编号,然后根据,随机数码表,或抽签的方式来抽取样本的抽样组织形式,被称为(),A.,简单随机抽样,B.,机械抽样,C.,分层抽样,D.,整群抽样,6.,相关系数的取值范围是(),A.0r1 B.1r0,C.r,0 D.1r17.,产品产量与单位成本的相关系数是,0.85,,单位成本与利润率的相关系数是,0.90,,产量与利润的相关系数是,0.80,,因此(),A.,产量与利润的相关程度最高,B.,单位成本与利润率的相关程度最高,C.,产量与单位成本的相关程度最高,D.,看不出哪对变量的相关程度高,8.,说明回归方程拟合程度的统计量是(),A.,相关系数,B.,回归系数,C.,判定系数,D.,回归估计标准误差,1.,相关系数为零表明两个变量之间不存在任何关系。,2.,普查是一种非经常性的非全面调查。,3.,算术平均数易受极端值的影响。,4.,方差和标准差的数值越大,说明统计变量的变异程度越大。,5.,统计学是数学的一个分支。,6.,抽样调查的误差肯定比全面调查的误差大。,7.,任意一个变量数列都可以计算算术平均数、中位数和众数。,8.,统计分组应遵循穷尽与互斥两个原则。,判断题,
    展开阅读全文

    开通VIP折扣优惠下载文档

    提示  咨信网声明:本文档由用户上传并分享,仅供学习交流、研究之用,未经授权,严禁复制、发行、汇编、翻译或网络传播等,侵权必究。

    咨信网小贴示:
    1、浏览或下载可查看了解,请点击【咨信网告知】。
    2、下载文件中如有侵权或不适当内容,将立即纠正。
    3、如果因为网速或其他原因下载失败请重新下载,重复下载[60天内]不扣币。
    4、开具发票登录电脑端申请,请点击【索取发票】。

    咨信网客服组:【微信客服】

    自信AI创作助手
    关于本文
    本文标题:6第六章相关与回归分析.ppt
    链接地址:https://www.zixin.com.cn/doc/14633262.html

    Copyright ©2010-2026   All Rights Reserved  宁波自信网络信息技术有限公司 版权所有   |  客服电话:0574-28810668    微信客服:咨信网客服    投诉电话:18658249818   

    违法和不良信息举报邮箱:help@zixin.com.cn    文档合作和网站合作邮箱:fuwu@zixin.com.cn    意见反馈和侵权处理邮箱:1219186828@qq.com   | 证照中心

    12321jubao.png12321网络举报中心 电话:010-12321  jubao.png中国互联网举报中心 电话:12377   gongan.png浙公网安备33021202000488号  icp.png浙ICP备2021020529号-1 浙B2-20240490   


    关注我们 :微信公众号  抖音  微博  LOFTER               

    自信网络  |  ZixinNetwork