应用回归分析.ppt

本文档所提供的信息仅供参考之用，不能作为科学依据，请勿模仿。文档如有不当之处，请联系本人或网站删除。,本课程授课与考核方式,讲授为主，结合习题作业、上机作业,第,1,章 回归分析概述,第,2,章 一元线性回归,第,3,章 多元线性回归,第,4,章 违背基本假定的情况,第,5,章 自变量选择与逐步回归,第,6,章 多重共线性的情形及其处理,第,7,章 岭回归,第,8,章 主成分回归与偏最小二乘,第,9,章 非线性回归,第,10,章 含定性变量的回归模型,目录,Contents,0 1,回归分析概述,Chapter,Introduction:Regression Analysis,1.1,变量间的统计关系,1.2,回归方程与回归名称的由来,1.3,回归分析的主要内容及其一般模型,1.4,建立实际问题回归模型的过程,1.5,回归分析应用与发展述评,本章主要内容：,回归分析处理的是变量与变量间的关系,用完全确切的函数形式表示,不能用完全确切的函数形式表示，,但在,平均意义,下有一定的,定量关系表达式,变量之间的关系,确定性关系,不确定性关系,或：相关关系,即：,函数关系,1.1,变量间的统计关系,1.,函数关系,(,确定性关系,),商品的销售额,y,与销售量,x,之间的关系,y,=,px,圆的面积与半径之间的关系,S,=,R,2,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,y,=,x,1,x,2,x,3,线性关系,1.1,变量间的统计关系,这说明：变量,x,与,y,之间存在确定性关系,【,例,】,保险公司承保汽车，每辆汽车保费收入,1000,元，设承保总收入为,y,，承保汽车辆数为,x,：,1.1,变量间的统计关系,商品的消费量,(,y,),与居民收入,(,x,),之间的关系（楼房、汽车等）,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,(,x,),之间的关系,2.,相关关系,（变量间有密切关系，,但不能用完全确定的函数形式表示）,消费习惯、价格高低、对其他商品的喜好,等,消费习惯、价格高低、对,该,商品的喜好,等,降雨量、田间管理,、自然灾害等,1.1,变量间的统计关系,特点：各对应点并不完全落在直线上！,y,与,x,的关系不能完全确定的函数形式给出,在推断统计中，我们把上述变量间具有密切关联而又不,能由某一个或某一些变量唯一确定另外一个变量的关系，,称为变量间的,统计关系或相关关系。,对变量间,统计依赖关系,的考察主要是通过,相关分析,(correlation analysis),回归分析,(regression analysis),来完成的。,Correlation analysis,主要研究变量间线性相关的密切程度，,Regression,analysis,不仅可以揭示变量,x,对变量,y,的影响大小，还可以,利用回归方程进行预测和控制！,注意,Attention,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。,Correlation analysis,对称地对待任何（两个）变量，两个变量都被看作是随机的。,Regression analysis,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）是随机变量和自变量（解释变量）是非随机的确定变量。,1.2,回归方程与回归名称的由来,英国统计学家,F.Galton,和他的学生、现代统计学的奠基者之一,K.Pearson,在研究父母身高与其子女身高的遗传问题时,观察了,1078,对夫妇,成年儿子身高,父母平均身高,Francis.Galton,(1822-1911),Karl.Pearson,(1856,1936),当给定,x,的值，,y,作为随机变量，它的取值不能确定，只能通,过一定的概率分布来描述。,利用样本观测值,建立函数关系。,将样本观测点描绘在直角坐标系中，根据样本点的分布特点，确定大致的函数关系：,理论回归方程,经验线性回归方程,给定,x,时,y,的条件期望,(1.1),(1.2),(1.3),回归常数,回归系数,回归分析的一般形式：,随机误差项,主要包括下列因素：,在解释变量中被忽略的因素的影响；,变量观测值的观测误差的影响；,模型关系的设定误差的影响；,其他随机因素的影响。,回归函数,y=,0,+,1,x,1,+,2,x,2,+,p,x,p,+,随机误差,线性回归模型应满足以下基本假设：,自变量 是非随机变量，它们的观测值,是常数。,等方差,及,不相关,的假定条件：,正态分布,的假定条件：,方差相等,随机变量不相关,样本量的个数要多于解释变量的个数，即,Gauss-Markov,条件,1.4,建立实际问题回归模型的过程,收集整理数据,经济因素分析,经济变量控制,经济决策预测,实 际 问 题,构造理论模型,估计模型参数,模型运用,Y,修改,N,设置指标变量,模型,检验,样本散点图,的形状,时间序列数据,&,横截面数据,t,检验,F,检验,最小二乘估计,最大似然估计,01,02,03,04,ADD YOUR TITLE HERE,ADD YOUR TITLE HERE,ADD YOUR TITLE HERE,ADD YOUR TITLE HERE,