社会经济统计学(6章).ppt_第1页
社会经济统计学(6章).ppt_第2页
社会经济统计学(6章).ppt_第3页
社会经济统计学(6章).ppt_第4页
社会经济统计学(6章).ppt_第5页
已阅读5页,还剩87页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

学习本章的最终目的是要能熟练的运用相关与回归分析方法来解决统计实践中的实际经济预测问题 平时学习中可利用统计年鉴资料 结合实例进行相关与回归分析方法的练习 来提高实际分析和应用的能力 第三篇统计分析方法 第六章相关与回归分析法 第一节相关关系分析第二节回归分析 第六章相关与回归分析法 第三篇统计分析方法 学习本章 要求掌握相关关系的概念 特点 分类以及相关图表的绘制方法 了解直线相关分析的原理 掌握直线相关系数的计算及检验 能正确将它用于经济变量之间相关关系的测度 掌握相关关系的变量之间相关系数的计算及应用 了解回归分析的原理 能建立回归方程 进行参数估计 并据此估计推断 能将非线性回归方成转化为先行回归方程进行估计 掌握回归方程的检验及预测的有关方法 能正确进行计算 分析和运用制定系数 可决系数 相关指数和估计标准误差进行回归区间预测 粗略的说 相关研究的是两个变量之间关系是否密切的 以及密切程度 回归研究的是变量 不止两个 之间因果关系的数量规律 第一节相关关系分析 学习要点相关关系含义相关关系的分类线性相关系数的计算 第六章 一 两个变量之间的关系 事物是普遍联系的 这种联系在我们看起来或明或暗 或显或隐 运用统计方法的一个意图就是试图从数量上测度事物之间的 联系及其程度 用统计学的眼光看 事物无非变量 因此 我们可以把事物间的关系视为变量间的关系 研究两个变量之间的关系对于分析和研究社会经济现象之间的关系是很有用的 他们之间的关系有函数关系和相关关系 第六章 第一节相关关系分析 一 函数关系的含义两个变量之间的函数关系是精确的 就是说 当x的值被确定之后 y就会有明确的值与之对应 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 第六章 第一节相关关系分析 x y 函数关系 函数关系 几个例子 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 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 二 相关关系的含义 统计关系 在客观实际中 当遇到这样的情况 即当X的值被给定时 y没有 确定的值 与之对应 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直线周围 第六章 x y 相关关系 correlation 相关关系 几个例子 相关关系的例子父亲身高 y 与子女身高 x 之间的关系收入水平 y 与受教育程度 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 1 现象之间确实存在数量上的依存关系 2 现象之间数量上的依存关系不是确定的 相关关系与函数关系在一定的条件下是可以相互转换的 1 本来具有函数关系的变量 当在观测误差时 其函数关系往往以相关的形式表现出来 2 如果我们对所研究对象有更深入的认识 便可以将影响因素全部纳入方程 使之成为函数关系 相关关系的特点 相关关系 类型 第六章 第一节相关关系分析 二 相关分析的基本方法 一 相关表例1 某公司10个企业的销售收入和销售利润的资料如下 企业销售收入与销售利润相关表单位 万元 例2零件某部位进行化学铣 现收集不同腐蚀时间下 腐蚀深度的32组数据 如表 试作相关图 腐蚀时间 腐蚀深度数据表 1 58 892 32 1 48 873 24 1 52 859 16 1 47 847 8 1 55 891 31 1 57 870 23 1 45 859 15 1 43 842 7 1 57 888 30 1 52 870 22 1 47 856 14 1 48 836 6 1 56 884 29 1 55 869 21 1 55 851 13 1 43 839 5 1 53 882 28 1 57 867 20 1 52 852 12 1 45 835 4 1 54 881 27 1 54 865 19 1 46 850 11 1 40 835 3 1 55 879 26 1 48 864 18 1 42 849 10 1 46 828 2 1 51 874 25 1 50 860 17 1 50 847 9 1 59 885 1 腐蚀深度 mm 腐蚀时间 s 序号 腐蚀深度 mm 腐蚀时间 s 序号 腐蚀深度 mm 腐蚀时间 s 序号 腐蚀深度 mm 腐蚀时间 s 序号 二 相关图相关图也称散点图 是在平面直角坐标系中 以横轴表示变量X 以纵轴表示变量Y 将相关表中对应的资料数值在图上标出坐标点所形成的图形 图中的坐标点会显示一定的相关关系 通过相关图可以大致看出两个变量之间有没有关系 是什么样的关系 正相关或负相关 相关的密切程度如何 第六章 第一节相关关系分析 散点图 scatterdiagram 腐蚀时间 腐蚀深度相关图 820 830 840 850 860 870 880 890 900 1 40 1 50 1 60 腐蚀深度 mm 腐蚀时间 s 使用相关图应用注意事项 数据一定要成对出现 否则无法制作相关图 明确在什么范围内相关 对相关图上出现的孤岛要查找原因 加以消除 才能正确估计变量之间的关系 孤岛点的出现常常是由于测量错误 数据记录错误或操作条件变化引起的 y x 带有孤岛的相关图 三 相关系数 correlationcoefficient 相关表和相关图都只能让我们了解现象之间相关关系的粗略情况 还不能进行 量化 为了更有效 更具普适性地表示现象之间相关关系的密切程度 还需要计算相关系数 变量Y与x间的相关程度 可以用简单相关系数加以衡量 第六章 第一节相关关系分析 1 相关系数的概念相关系数是测定变量之间相关密切程度和相关方向的代表性指标 若相关系数是根据总体全部数据计算的 称为总体相关系数 记为 若是根据样本数据计算的 则称为样本相关系数 记为r2 相关系数的特点 1 参与相关分析的两个变量是对等的 不分自变量和因变量 因此相关系数只有一个 2 相关系数有正负号反映相关关系的方向 正号反映正相关 负号反映负相关 3 计算相关系数的两个变量都是随机变量 第六章 第一节相关关系分析 3 相关系数的计算求相关系数的方法 通常有积差相关法 等级相关法 点双列相关法 现将这三种求相关系数的方法分别介绍于下 1 积差相关法积差相关又称积矩相关 它是由统计学家皮尔逊提出的 因而又称皮尔逊相关 积差相关系数也称为皮尔逊系数 它是求直线相关的最基本的方法 积差相关系数从原理上说 可根据两个变量与其算术平均数的离差乘积来计算 通常以r来表示 计算的公式为 第六章 第一节相关关系分析 定义公式 计算公式 第六章 第一节相关关系分析 x代表自变量的各个变量值 代表自变量数列的平均值 y代表因变量的各个变量值 代表因变量数列的平均值 n代表对应值的项数 协方差 协方差的解释 0 x y 协方差的解释 0 x y 正 负 正 负 协方差的解释 0 x y 协方差为正值 x和y正线性相关 协方差的解释 0 x y 协方差为负值 x和y负线性相关 利用相关系数判别相关密切程度的方法当 r 1时 表示X变量与Y变量之间为完全线性相关 即函数关系 当r 0时 表示X变量与Y变量之间非线性相关 当r 0时 表示X变量与Y变量之间为正相关 当r 0时 表示X变量与Y变量之间为负相关 当 r 1时 表示X变量与Y变量之间存在一定的线性相关 r 的数值愈接近于1 其相关的程度愈高 r 的数值愈接近于0 其相关程度愈低 第六章 第一节相关关系分析 协方差的解释 0 x y 协方差大约为0 x和y无线性相关 相关系数 取值及其意义 1 0 1 0 0 0 5 0 5 r 相关分析 相关分析是研究随机变量之间关系强弱程度的 它使用的工具是相关系数 在研究两个变量之间线性关系强弱时 一般情况下 第六章 第一节相关关系分析 例 计算例2所给数据的相关系数解 首先作相关系数计算表如下 例 10个学徒工的操作训练时间与月产量资料 操作训练时间 月 x月产量 件 Y357478472258589363473584375248总计35697r 0 91说明二者高度相关 例题分析 相关系数 例题分析 相关系数显著性的检验 有两个随机变量 由于样本的随机性 对于不同的样本数据计算出的相关系数r也不同 当随机变量无关 即 0 时 样本相关系数r却不一定为0 甚至当样本量较小时 有可能样本相关系数r数值却较大 当随机变量线性相关关系较强时 即 接近于1时 样本相关系数r可能较小 因此 必须根据样本相关系数对总体的相关系数 是否为0进行统计检验 统计理论 某一容量为n 30的样本的相关系数r的统计量t服从自由度为n 2的t分布为此 可进行 0的假设检验提出假设确定显著性水平 若原假设成立 拒绝原假设 备择假设成立 相关系数的显著性检验 例题分析 对不良贷款与贷款余额之间的相关系数进行显著性检 0 05 提出假设 H0 H1 0计算检验的统计量 3 根据显著性水平 0 05 查t分布表得t n 2 2 0687由于 t 7 5344 t 25 2 2 0687 拒绝H0 不良贷款与贷款余额之间存在着显著的正线性相关关系 2 斯皮尔曼等级相关系数 等级相关分析适用于资料不是正态双变量或总体分布未知 数据一端或两端有不确定值的资料或等级资料 常用的Spearman等级相关系数rs是利用x Y的秩次来进行直线相关分析的 因此当x Y的相同秩次较多时 计算出的rs需矫正 同样的 等级相关系数rs也需要进行假设检验 D 等级差nn 样本数 第六章 第一节相关关系分析 3 肯德尔等级相关系数 第六章 第一节相关关系分析 一 回归分析的概念回归分析是对具有相关关系的两个或两个以上变量之间数量变化的一般关系进行测定 确定一个相应的数学表达式 以便从一个已知量来推测另一个未知量 是估计预测的一个重要的方法 回归表明了有关联的变量之间的统计规律性 表明了变量间的因果关系 并把他们用数字方程式描述出来 变量间的这种统计规律性成为回归关系 第六章 第二节回归分析 二 回归与相关的区别与联系 一 区别1 回归和相关都是研究两个变量相互关系的分析方法 相关分析研究两个变量之间相关的方向和相关的密切程度 但是相关分析不能指出两变量相互关系的具体形式 也无法从一个变量的变化来推测另一个变量的变化关系 回归方程则是通过一定的数学方程来反映变量之间相互关系的具体形式 以便从一个已知量来推测另一个未知量 为估算预测提供一个重要的方法 第六章 第二节回归分析 2 相关分析既可以研究因果关系的现象也可以研究共变的现象 不必确定两变量中谁是自变量 谁是因变量 而回归分析是研究两变量具有因果关系的数学形式 因此必须事先确定变量中自变量与因变量的地位 第六章 第二节回归分析 3 计算相关系数的两变量是对等的 可以都是随机变量 各自接受随机因素的影响 改变两变量的地位并不影响相关系数的数值 在回归分析中因变量是随机的 自变量是可控制的解释变量 不是随机变量 因此回归分析只能用自变量来估计因变量 而不允许由因变量来推测自变量 第六章 第二节回归分析 二 联系回归分析和相关分析是互相补充 密切联系的 相关分析需要回归分析来表明现象数量相关的具体形式 而回归分析则应该建立在相关分析的基础上 依靠相关分析表明现象的数量变化具有密切相关 进行回归分析求其相关的具体形式才有意义 在相关程度很低的情况下 回归函数的表达式代表性就很差 第六章 第二节回归分析 回归模型的类型 线性回归 非线性回归 一元回归 线性回归 非线性回归 多元回归 回归模型 三 一元线性回归方程 regressionequation 第六章 第二节回归分析 i Y i 1 2 xy xy N 数学上判定直线合理的原则 如果直线与全部观测数据的离差平方和 比任何其它直线与全部观测数据的离差平方和更小 该 直线就是代表与之间关系较为合理的一条直线 这条直线就是x和y之间的回归直线 描述因变量y如何依赖于自变量x和误差项 的方程称为回归模型 regressionmodel 一元线性回归模型可表示为y是x的线性函数 部分 加上误差项线性部分反映了由于x的变化而引起的y的变化误差项 是随机变量反映了除x和y之间的线性关系之外的随机因素对y的影响是不能由x和y之间的线性关系所解释的变异性 0和 1称为模型的参数 一 一元线性回归方程的建立 第二节回归分析 第六章 y b0 b1x 一元线性回归模型 基本假定 1 误差项 是一个期望值为0的随机变量 即E 0 对于一个给定的x值 y的期望值为E y 0 1x2 对于所有的x值 的方差 2都相同3 误差项 是一个服从正态分布的随机变量 且相互独立 即 N 0 2 独立性意味着对于一个特定的x值 它所对应的 与其他x值所对应的 不相关对于一个特定的x值 它所对应的y值与其他x所对应的y值也不相关 估计的回归方程 estimatedregressionequation 一元线性回归中估计的回归方程为 用样本统计量和代替回归方程中的未知参数和 就得到了估计的回归方程 总体回归参数和是未知的 必需利用样本数据去估计 其中 是估计的回归直线在y轴上的截距 是直线的斜率 它表示对于一个给定的x的值 是y的估计值 也表示x每变动一个单位时 y的平均变动值 二 参数估计的最小二乘法 OLS 1 使因变量的观察值与估计值之间的离差平方和达到最小来求得和的方法 即 第六章 第二节回归分析 用最小二乘法拟合的直线来代表x与y之间的关系与实际数据的误差比其他任何直线都小 最小二乘估计 图示 最小二乘法 和的计算公式 根据最小二乘法的要求 可得求解和的公式如下 例 计算求出前例中腐蚀深度y对腐蚀时间x的回归方程 解 44152 0 84375 861 00226 0 50625 1 00226 0 22 10220 13125 23 13125 23 50625 1 84375 861 32 41564 22 10220 84375 861 32 23779009 1 2 2 1 2 L L y x n y x L x n x L xx xy n i i i xy n i i xx 例题分析 估计方程的求法 例题分析 例 求不良贷款对贷款余额的回归方程 回归方程为 y 0 8295 0 037895x回归系数 0 037895表示 贷款余额每增加1亿元 不良贷款平均增加0 037895亿元 第六章 第二节回归分析 三 回归方程检验方法1 方差分析检验法方差分析的基本特点 把所给数据的总波动分解为两部分 一部分反映水平变化引起的波动 另一部分反映由于存在试验误差而引起的波动 然后把各因素水平变化引起的波动与试验误差引起的波动大小进行比较 而达到检验因素显著性的目的 变差的分解 图示 离差平方和的分解 三个平方和的关系 Sumofsquaresfortotal Sumofsquaresforregression Sumofsquaresforerror 离差平方和的分解 三个平方和的意义 总平方和 SST 反映因变量的n个观察值与其均值的总离差回归平方和 SSR 反映自变量x的变化对因变量y取值变化的影响 或者说 是由于x与y之间的线性关系引起的y的取值变化 也称为可解释的平方和残差平方和 SSE 反映除x以外的其他因素对y取值的影响 也称为不可解释的平方和或剩余平方和 判定系数r2 拟合优度的检验 coefficientofdetermination 回归平方和占总离差平方和的比例 反映回归直线的拟合程度取值范围在 0 1 之间R2 1 说明回归方程拟合的越好 R2 0 说明回归方程拟合的越差判定系数等于相关系数的平方 即R2 r 2 教材P201 判定系数r2 例题分析 例 计算不良贷款对贷款余额回归的判定系数 并解释其意义判定系数的实际意义是 在不良贷款取值的变差中 有71 16 可以由不良贷款与贷款余额之间的线性关系来解释 或者说 在不良贷款取值的变动中 有71 16 是由贷款余额所决定的 也就是说 不良贷款取值的差异有2 3以上是由贷款余额决定的 可见不良贷款与贷款余额之间有较强的线性关系 线性关系的检验 显著性检验 检验自变量与因变量之间的线性关系是否显著将回归均方 MSR 同残差均方 MSE 加以比较 应用F检验来分析二者之间的差别是否显著回归均方 回归平方和SSR除以相应的自由度 自变量的个数p 残差均方 残差平方和SSE除以相应的自由度 n p 1 方差分析表 线性关系的检验 显著性检验 检验的步骤 提出假设H0 1 0线性关系不显著 2 计算检验统计量F 确定显著性水平 并根据分子自由度1和分母自由度n 2找出临界值F 作出决策 若F F 拒绝H0 若F F 不拒绝H0 线性关系的检验 显著性检验 例题分析 提出假设H0 1 0不良贷款与贷款余额之间的线性关系不显著计算检验统计量F 确定显著性水平 0 05 并根据分子自由度1和分母自由度25 2找出临界值F 4 28作出决策 F F 拒绝H0 线性关系显著 2 回归系数检验法检验x与y之间是否具有线性关系 或者说 检验自变量x对因变量y的影响是否显著理论基础是回归系数的抽样分布 第六章 第二节回归分析 在一元线性回归中 等价于线性关系的显著性检验 回归系数的检验 样本统计量的分布 是根据最小二乘法求出的样本统计量 它有自己的分布的分布具有如下性质分布形式 正态分布数学期望 标准差 由于 未知 需用其估计量sy来代替得到的估计的标准差 教材P198 回归系数的检验 检验步骤 提出假设H0 b1 0 没有线性关系 H1 b1 0 有线性关系 计算检验的统计量 3 确定显著性水平 并进行决策 t t 拒绝H0 t t 不拒绝H0 教材P202 回归系数的检验 例题分析 对例题的回归系数进行显著性检验 0 05 提出假设H0 b1 0H1 b1 0计算检验的统计量 3 t 7 533515 t 2 201 拒绝H0 表明不良贷款与贷款余额之间有线性关系 四 利用回归方程进行预测 第六章 第二节回归分析 根据自变量x的取值估计或预测因变量y的取值估计或预测的类型点估计区间估计 点估计 2 点估计值不考虑误差 对于自变量x的一个给定值x0 根据回归方程得到因变量y的一个估计值 y的点估计 利用估计的回归方程 对于自变量x的一个给定值x0 求出因变量y的一个估计值y0 就是点估计在前面的例子中 假如我们要估计贷款余额为100亿元时 所有分行不良贷款的平均值 就是平均值的点估计 根据估计的回归方程得 区间估计 点估计不能给出估计的精度 点估计值与实际值之间是有误差的 因此需要进行区间估计对于自变量x的一个给定值x0 根据回归方程得到因变量y的一个估计区间 confidenceintervalestimate 置信区间估计预测 利用估计的回归方程 对于自变量x的一个给定值x0 求出因变量y的估计区间 这一估计区间称为置信区间 confidenceinterval y0在1 置信水平下的置信区间为 式中 syx为估计标准误差 教材P204 207 置信区间估计预测 例题分析 例 求出贷款余额为72 8亿元时 不良贷款95 的置信区间解 根据前面的计算结果 已知n 25 syx 1 9799 t 25 2 2 0687置信区间为 贷款余额为72 8亿元 其不良贷款的预测区间在 2 2766亿元

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论