第五章相关与回归分析ppt课件.ppt

静 第五章相关与回归分析 第五章相关与回归分析 学习目标 1 了解相关关系的概念及种类 2 掌握相关系数的计算方法和相关系数的取值含义 3 掌握一元线性回归直线方程的建立方法 相关与回归分析的教学内容 5 1相关分析概述5 2相关关系的测定5 3回归分析 5 1相关分析概述 5 1 1函数关系与相关关系5 1 2相关关系的种类5 1 3相关分析的主要内容 5 1 1函数关系与相关关系 1 函数关系当一个或几个变量取一定的值时 另一个变量有确定的值与之相对应 我们称这种关系为确定性的函数关系 例如 某种产品的总成本S与该产品的产量Q以及该产品的单位成本P之间的关系可用S PQ表达 这就是一种函数关系 通常把作为影响因素的变量称为自变量 把发生相应变化的量称为因变量 在本例中 S是因变量 P与Q则是自变量 5 1 1函数关系与相关关系 2 相关关系当一个或几个相互联系的变量取一定数值时 与之相对应的另一变量的值虽然不确定 但它仍按某种规律在一定的范围内变化 变量间的这种相互关系 称为具有不确定性的相关关系 例如 商品销售额与商品流通费之间的关系 一般说来 商品销售额增加 商品流通费便要相应增加 反之 就要相应减少 但是商品销售额与商品流通费之间不存在一一对应的确定性关系 因为商品流通费的支付不仅与商品销售数量有关 而且与商品性质 运价 运输里程 运输方式 广告宣传 经营管理等诸多因素有关 在商品销售额相同的情况下各企业支付的流通费用有高有低 5 1 1函数关系与相关关系 相关关系与函数关系的区别和联系区别函数关系是变量之间的一种严格 完全确定性的关系 即一个变量的数值完全有另一个 或一组 变量的数值所决定 控制 函数关系通常可以用数学公式确切地表示出来 相关关系难以像函数关系那样 用数学公式去准确表达 联系由于客观上常会出现观察或测量上的误差等原因 函数关系在实际工作中往往通过相关关系表现出来 当人们对某些现象内部规律有较深刻认识时 相关关系可能变为函数关系 为此 在研究相关关系时 又常常使用函数关系作为工具 用一定的函数关系表现相关关系的数量联系 5 1 2相关关系的种类 相关关系的种类 5 1 2相关关系的种类 1 按相关关系涉及的变量 因素 多少来划分 可分为单相关和复相关单相关是指一个自变量与一个因变量的依存关系 复相关是指一个因变量与两个或两个以上自变量之间的依存关系 2 按相关关系的表现形态来划分 可分为线性相关和非线性相关当自变量数值发生变动 因变量数值随着发生大致均等的变动 增加或减少 从图形上看 其观察点的分布近似地表现为一条直线形式 称为线性相关 当自变量数值发生变动 因变量数值随着也发生变动 但不是均等的变动 从图形上看 其观察点的分布近似地表现为各种不同的曲线形式 如抛物线 双曲线等 称为非线性相关 3 按变量之间相互关系的方向 分为正相关和负相关当自变量的数值增加 因变量的数值也随之相应的增加 即相关的变量同一方向变化 称为正相关 自变量数值增加时 因变量数值随之减少 即相关的变量反方向变化 称为负相关 4 按变量之间相关的程度划分 可分为完全相关 不相关 也称零相关 和不完全相关因变量数值完全随自变量数值变动而变动 这时相关关系实际上就转化为函数关系 称为完全相关 变量之间的变动完全不存在任何依存关系时 称为不相关 变量之间关系介于完全相关与不完全相关之间 称为不完全相关 5 1 2相关关系的种类 各类相关关系的表现形态图 5 1 3相关分析与回归分析的主要内容 相关分析的主要内容1 确定现象之间有无相关关系及相关关系的表现形式 主要通过定性分析判断和相关图 相关表观察得出结论 这是相关分析的出发点 2 确定相关关系的表现形式 若存在相关关系 就需进一步确定相互关系的表现形式 例如 是线性相关还是非线性相关 这时相关分析的主要内容 3 确定相关关系的密切程度和方向 通过相关分析 可以判定现象之间相关关系的密切程度和方向 例如 变量之间是完全相关 不完全相关还是完全不相关 回归分析的主要内容建立相关关系的回归方程 测定因变量的估计值与估计值的误差程度 5 2相关关系的测定 5 2 1客观现象之间的定性分析5 2 2利用相关图表进行判断5 2 3相关系数的计算 5 2相关关系的测定 5 2 1客观现象之间的定性分析5 2 2利用相关图表进行判断5 2 3相关系数的计算 5 2相关关系的测定 要进行相关分析首先要判断现象之间有没有相关关系和具有什么样的相关关系 我们一般是先对现象之间的关系作直观判断 然后再进行相应的定量分析 直观判断的方法主要有两种 一是运用理论知识 专业知识及实际经验对现象之间存在的关系作定性的判断 二是利用相关表和相关图对现象之间存在的相关关系的方向 形式及紧密程度作出大致判断 定量分析则主要是计算相关系数 5 2 1客观现象之间的定性分析 根据一定的社会经济理论与实践经验的总结 对社会经济现象进行定性分析 以判断它们之间是否具有相关关系以及相关关系的种类 只有在定性分析的基础上 才能从数量上测定现象之间的相关关系 这是判断相关关系的一种重要的方法 也是相关分析的重要的前提 5 2 2利用相关图表进行判断 判断现象之间的相关关系 一般是先做定性分析 然后再做定量分折 如果定性分析确有相关关系 进一步编制相关图与相关表 可以判断现象之间大致呈现何种关系形式 以此计算相关系数作定量分析 精确反映相关关系的方向和程度 1 编制相关表将反映变量之间相互关系的原始资料按照一定的顺序叫做相关表 相关表按其资料是否分组可分为简单相关表和分组相关表 例1 某地区某企业近8年产品产量与生产费用的相关情况如表5 1所示 5 2 2利用相关图表进行判断 表5 1产品产量与生产费用相关表 从上表可看出 产品产量与生产费用之间存在一定的正相关关系 5 2 2利用相关图表进行判断 2 绘制相关图相关图也叫散点图 它是利用直角坐标系 将自变量确定在横轴 因变量确定在纵轴上 两变量的对应值用坐标点画出来 通过观察相关点的分布情况来判断两个变量之间有无相关关系以及相关关系的密切程度 方向和形式 例2 以表5 1为例 用EXCEL绘制相关图如下 5 2 2利用相关图表进行判断 5 2 3相关系数的计算 相关图表只能粗略地大体上反映变量间相关关系的方向 形式和密切程度 要确切地反映相关关系的密切程度 还需计算相关系数 我们着重研究线性的单相关系数即直线相关系数 简称相关系数 5 2 3相关系数的计算 相关系数的测定方法有若干种 最简单的一种称为积差法 用积差法计算相关系数的公式为 5 1 5 2 3相关系数的计算 其中 称为xy的协方差 是变量x的标准差 是变量y的标准差 因此 相关系数可表现为如下形式 5 2 5 2 3相关系数的计算 相关系数的取值范围在 1和 1之间 即 当时 表明x与y之间无线性相关关系 即x与y之间不相关或曲线相关 当时 变量x与y为完全线性相关 当时 称为完全正相关 当时 称为完全负相关 当时 表示两变量之间呈正相关 即随着自变量x的增加 或减少 因变量y也相应增加 或减少 随着r取值的增大 其相关程度也相应地增强 当时 表明两变量之间呈负相关 即随着自变量x地增加 或减少 因变量y相应减少 或增加 相关系数r越接近于 1 即两变量地负相关程度越高 通常判断标准是 称为微弱直线相关 称为低度直线相关 称为显著相关或中度相关 称为高度相关 5 2 3相关系数的计算 例5 1 某地区某企业近8年产品产量与生产费用的相关情况 见表5 1 根据表中的资料 计算该产品产量与生产费用的相关系数 5 2 3相关系数的计算 解 按相关系数公式计算将表中数据代入公式 0 9697由于R 0 且R 0 9697 则说明该种产品产量与生产费用之间的相关关系是高度正相关的 5 3回归分析 5 3 1回归分析的含义 内容5 3 2一元线性回归方程的拟合5 3 3估计标准误差 5 3回归分析 5 3 1回归分析的含义 内容5 3 2一元线性回归方程的拟合5 3 3估计标准误差 5 3回归分析 相关分析中的相关系数可以从数量上说明变量之间相关关系的方向和密切程度 但它不能反映一个变量发生一定数量的变化时 另一个变量会相应的发生多少变动 为了解决这个问题 就必须采用回归分析的方法 回归分析是指对具有相关关系的变量 依据其关系形态 选择一个合适的数学模型 用来近似的表示变量之间数量平均变化关系的一种统计方法 回归分析的内容很多 按分析变量的多少不同 可分为一元回归分析和多元回归分析 按分析变量的表现形态不同 可分为线性回归分析与非线性回归分析等 本节只讨论一元线性回归分析的理论与方法 5 3 1一元线性回归模型的描述 一元线性回归模型也称为简单直线回归模型 是分析两个变量x与y之间相互关系的数学方程式 我们假定x为自变量 y为因变量 y值除了受自变量x的影响之外 还受其它因素的影响 在构建回归模型时 应该包括随机误差 x与y之间的关系可以用数学公式表示 5 3 5 3 1一元线性回归模型的描述 一元线性回归模型也称为简单直线回归模型 是分析两个变量x与y之间相互关系的数学方程式 我们假定x为自变量 y为因变量 y值除了受自变量x的影响之外 还受其它因素的影响 在构建回归模型时 应该包括随机误差 x与y之间的关系可以用数学公式表示 5 3 在实际研究问题时 为了便于对参数做出区间估计和假设检验 我们假定 因此 我们可以用下式近似的描述x与y之间的关系 5 4 式中为因变量的估计值 x为自变量的实际值 a b为待定参数 上述公式称为变量y对x的一元线性回归模型 a b的几何意义是 a为直线方程的截距 b为直线的斜率 其经济意义是 a表示自变量x为零时的因变量y的估计值 b表示当自变量x每增加一个单位时因变量y的平均变化 b也称为y对x的回归系数 5 3 2一元线性回归方程的拟合 最小二乘法的基本思想是 选择a和b 使得观测值与理论值的离差平方和最小 即选择a和b 使得最小值 5 5 5 3 2一元线性回归方程的拟合 用直线方程代入公式得 最小值 5 6 用数学中对二元函数求极值的原理 计算Q关于a和b的偏导数 并令其等于零 即 5 7 5 3 2一元线性回归方程的拟合 经整理 得到参数a和b的计算公式 5 8 例5 2 利用表5 1所给的资料 建立产品产量与生产费用的一元线性回归方程 解 根据表5 1所给出的数据 列出计算表5 2表5 2一元线性回归计算表 以表5 2的资料 建立一元线性回归模型 回归误差及计算 一 回归误差的概念回归直线是在直线相关条件下 反映两个变量之间一般数量关系的平均线 根据直线回归方程 我们知道了自变量的数值 就可以推算出因变量的数值 但是 推算出来的因变量数值并不是精确的数值 它是一个估计值 和实际值有出入 5 3 3估计标准误差 二 估计标准误差的计算1 根据因变量实际值和估计值的离差计算计算公式 5 9 计算公式又可写为 从计算公式可以看出 计算的结果实际上也是个平均误差 但不是简单平均的 而是经过乘方 平均 再开方的过程 这和标准差的计算过程一样 它的作用是说明估计的准确程度 所以叫做估计标准误差 也叫做估计标准差或回归标准差 现在用我们前边的例子 表5 1 来说明估计标准误差的计算步骤和方法 首先要设计一张计算表 形式如表5 3 计算表左边三列是原始资料 是根据直线回归方程推算出来的因变量估计值 根据y和可以计算出后两栏材料并加以合计 将计算结果代入公式即得 表5 3估计标准误差计算表 2 根据a b两个参数值计算估计标准误差第一种计算方法含义很明显 计算公式和过程都表明了估计标准误差是用平均误差来表现的 但是计算比较麻烦 需要计算出所有的估计值 如果已经有了直线回归方程的参数值 可用一个比较简单的计算公式 即 5 10 将表5 2的相应数据和所得a b的值代入 5 10 公式 则 估计标准误差的作用 一 说明以回归直线为中心的所有相关点的离散程度 二 说明回归直线的代表性大小 三 估计标准误差的第三个作用是在抽样调查条件下 是计算回归抽样误差的一个根据 回归误差与相关系数的关系回归误差与相关系数 都具有说明现象之间的相关关系密切程度的作用 相关关系与说明的现象之间的密切程度成正比关系 而回归误差概念比较明确 回归误差用绝对数表示 它所说明的密切程度并不那么明显 也不能说明是正相关还是负相关 相关系数和估计标准差在数值的大小上表现为相反的关系 一 r值越大 越小 r值越大 说明相关程度越密切 这时越小 也就是相关点距离回归直线比较近 当r值大到1时 即完全相关时 则 即估计标准误差等于0 从相关图上看 就是说所有的相关点全在回归直线上 这也就是完全相关 二 r值越小 则值越大 r值越小 说明相关程度不密切 这时值越大 从相关图上看 也就是相关点距离回归直线比较远 当r 0时 即不相关时 则估计标准差 即估计标准差等于y数列标准差 这说明相关点与回归直线的距离和相关点与y数列的平均线的距离一样 也就是回归直线和y数列的平均线