回归分析(excel).ppt

1、第10章回归分析，1，第10章回归分析，10.1线性回归分析的基本原理，10.2图表分析和回归函数分析，10.3 Excel回归分析工具，10.4多元回归分析，10.5非线性回归分析，10.6质量变量的回归分析，下页，返回目录，第10章回归分析，2，10.1线性回归分析的基本原理，10.1.1回归分析的概念10.1.2回归分析的主要内容，前一页回到本章的第一页，第十章回归分析，3.10.1.1回归分析的概念，现实世界中的大多数现象都表现出相关性，人们通过大量的观察，将现象之间的相关性抽象为函数关系，并用函数形式或模型来描述和推断具体的现象。 这种分析方法被称为回归分析。上一页和下一页，返回本节

2、的第一页，第10章回归分析，4.10.1.2回归分析的主要内容，回归参数方程拟合效果评估的估计，回归参数的推断，上一页和下一页，返回本节的第一页，第10章回归分析，5.10.2图表分析和回归函数分析，10.2.1回归分析使用图表10.2.2回归分析excel中的工作表函数10.2.3回归分析使用工作表函数，上一页和下一页， 回到本章的第一页，第十章回归分析，6.10.2.1用图表进行回归分析，例如，近年来，教育部已经决定组织高校后勤。 一位从事餐饮业的企业家认为这是一个很好的投资机会。他得到了十所大学的数量和周围酒店的季度销售额的数据，并想根据大学的数据来决定投资规模。上一页，下一页，返回本节

3、的第一页，第10章回归分析，第7页。操作过程：上一步，下一步，返回本节第一页，打开“第10章简单线性回归”。xls 工作簿，并选择“酒店”工作表，如下图所示。第10章回归分析，8。从“插入”菜单中选择“图表”选项，打开“图表向导”对话框，如下图所示。在图表类型列表中选择XY散点图，然后单击下一步按钮。上一页，下一页，返回本节的第一页，第10章回归分析，第9页。在数据区输入B2:C11，选择“列生成系列”，如下图所示，点击“下一步”。上一页，下一页，返回本节第一页，第10章回归分析，10，打开“图例”页面，取消图例并省略标题，如下图所示。上一页，下一页，返回本节的第一页，第10章回归分析，第11

4、章。点击“完成”按钮，得到如下图所示的XY散点图。上一页和下一页，返回本节的第一页，第10章回归分析，第12页。如图1所示，用鼠标激活散点图，将鼠标放在任意数据点上，点击鼠标右键，打开菜单，选择菜单栏中的“添加趋势线”选项，打开趋势线对话框，如图2所示。图1，上一页，下一页，返回本节第一页，第10章回归分析，13，图2，上一页，下一页，返回本节第一页，第10章回归分析，14，打开类型页面，选择线性选项，Excel将显示直线拟合数据点。打开如图3所示的“选项”页面，选择对话框下方的“显示公式”和“显示平方根”选项，点击“确定”按钮，得到如图4所示的趋势回归图。图3，上一页，下一页，返回到本节的第

5、一页，第10章回归分析，第15章，图4，上一页，下一页，返回到本节的第一页，第10章回归分析，16，10 . 2 . 2 excel中的回归分析工作表函数，INTEGER函数：通过使用已知的x值和y值计算y轴回归线的截距语法结构：INTEGER(已知的ys，已知的xs) SLOPE函数：返回根据已知的数据点拟合的线性回归线的斜率语法结构：SLOPE(known_ys，known_xs)，上一页，下一页，回到本节的第一页，第10章回归分析，第17页。RSQ函数：返回皮尔逊积矩相关系数的平方语法结构：RSQ(known_ys，known_xs)估计标准误差函数STEYX函数：返回用线性回归方法计算

6、y预测值时产生的标准误差。标准误差用于测量从单个x变量计算的y预测值的误差。语法结构：STEYX(known_ys，known_xs)，上一页，下一页，回到本节的第一页，第10章回归分析，18，10.2.3回归分析使用工作表函数，例如，一个企业希望确定其产品制造过程中的月成本和产量之间的关系，从而制定生产计划。根据企业历年选择的产量(吨)和成本(千元)样本，尝试计算上述四个函数值。上一页，下一页，返回本节的第一页，第10章回归分析，第19章操作过程：打开“第10章简单线性回归。xls 工作簿并选择“成本和输出”工作表，如下图所示。上一页，下一页，返回本节的第一页，第10章回归分析，20。在单元

7、格A19、A20、A21和A22中分别输入“截距b0”、“斜率b1”、“估计标准误差”和“测定系数”。在单元格B19中输入公式：“=intercept (c2:c15，b23360b15)”，然后单击回车键。在单元格B20中输入公式：“=斜率(c2:c15，b23360b15)”，然后单击回车键。在单元格B21中输入公式：“=steyx (c2:c15，b23360b15)”，然后单击回车键。在单元格B22中输入公式：“=rsq (c2:c15，b23360b15)”，然后单击回车键。上一页，下一页，返回本节的第一页，第10章回归分析，21，10.3 Excel回归分析工具，10.3.1回归分

8、析工具的主要内容10.3.2回归分析工具的应用10.3.3回归分析工具的输出说明，上一页，下一页，返回本章的第一页，第10章回归分析，22回归分析工具是一种通过用最小二乘法拟合一组观察值来分析一个或几个独立变量对单个因变量的影响方向和程度的方法它是Excel中数据分析工具的一个内容。回归分析的对话框如图5所示。上一页，下一页，返回到本节的第一页，第10章回归分析，23，图5，上一页，下一页，返回到本节的第一页，第10章回归分析，24，10.3.2回归分析工具的应用，例如，一个房地产经纪人从政府部门列出的小区中随机选择15户作为样本，并记录他们的家庭住房面积及其相应的价格，上一页，下一页，返回到

9、本节的第一页，第10章回归分析，25，操作过程：打开“第11章xls”工作簿，并选择如下图所示的“住房”工作表。上一页，下一页，返回本节的第一页，第10章回归分析，第26页。选择“工具”菜单中的“数据分析”选项，打开“数据分析”对话框，如下图所示。上一页，下一页，返回本节的第一页，第10章回归分析，第27页。在“分析工具”列表中选择“回归”选项，点击“确定”按钮，打开“回归”对话框，如下图所示。上一页，下一页，返回本节第一页，第10章回归分析，28，并在y值输入区输入C1:C16。在x值输入区输入B1:B16。选择“标志”，置信度为95%。在“输出选项”中选择“输出区域”，在右边输入“D1”，

10、点击“确定”按钮。输出结果如下图所示。上一页和下一页，回到这一节的第一页，第10章回归分析，29。Excel的回归分析工具计算简单，但内容丰富。计算结果分为三个模块：回归统计表的回归参数方差分析表，10.3.3回归分析工具的输出说明，上一页和下一页，返回本节第一页，第10章回归分析，30。回归统计表包括在前面的例子中，r是0.848466，表明他们之间的关系是非常积极的。r平方(多重测量系数R2):用于用自变量解释因变量的劣化程度，从而衡量同一因变量Y的拟合效果.在前面的例子中，重新确定的系数是0.719894，这表明因变量的71.99%的变化可以用自变量来解释。1。回归统计，上一页和下一页，

11、返回到本节的第一页，第10章回归分析，31，调整后的R平方：它仅对多元回归有意义，并且它用于在添加独立变量后测量模型的拟合度。当增加一个新的自变量时，即使这个变量与因变量无关，未修改的R2也会增加，而修改后的R2只用于比较具有相同因变量的各种模型。标准误差：也称为标准回归误差或估计标准误差，用于测量拟合度和计算其他与回归相关的统计量。该值越小，拟合度越好。上一页，下一页，回到这部分的第一页，第10章回归分析，32。观测值：指用于估计回归方程数据的观测值数。2.方差分析方差分析的主要功能是通过f检验来判断回归模型的回归效果。3.回归参数表显示在下一页，这是表的最后一部分：上一页，下一页，回到本节

12、的第一页，第10章回归分析，33，上一页，下一页，回到本节的第一页，第10章回归分析，34。在图中，回归参数如下：截距：截距0，第二和第三行：0第二列：回归系数0(截距)和1(斜率)的值。第3栏：回归系数的标准误差第4栏：根据原始假设ho: 0=1=0计算的样本统计量t的值。第五栏：每个回归系数的P值(两边)第六栏：置信区间的上下限为0和195%。上一页，下一页，返回本节的第一页，第10章回归分析，35，10.4多元回归分析，10.4.1案例研究：销售和广告媒体之间的关系10.4.2回归输出结果的说明，上一页，下一页，返回本章的第一页，第10章回归分析，36，10.4.1案例它收集了连锁店中每

13、个商店的月销售额(人民币10，000元)和上述两种媒体的月广告支出。根据0.05的显著性水平，销售量是否与两种媒体的广告有关？每种媒体的广告支出如何影响销售？哪种形式的广告更划算？上一页，下一页，返回本节的第一页，第10章回归分析，第37章操作过程：打开“第10章多元回归分析。xls 工作簿并选择 VCD 工作表，如下图所示。上一页，下一页，回到本节的第一页，第10章回归分析，第38页。在工具菜单中选择数据分析选项，打开数据分析对话框，在分析工具列表中选择回归选项，然后单击确定进入回归对话框。在“y值输入区”输入单元格A1:A21，代表销售额的数据范围。在“x值输入区”输入B1:C21单元格，

14、该单元格包含两个独立变量：“广播”和“电视”。回归工具要求自变量必须是相邻的，不能分开。上一页，下一页，回到这一节的第一页，第10章回归分析，第39节，复选标记。选择95%置信水平，并在“输出区域”中输入D1单元，指示输出结果的起点。点击“确定”按钮。多元回归计算结果如下图所示。上一页，下一页，返回本节第一页，第10章回归分析，40，10.4.2回归输出结果的解释，1。回归统计表将重测系数调整为28.99%，表明两种媒体的广告支出只能解释29%的销售变化，约71%的销售变化应由其他因素解释。估计的标准误差为210.9553，表示实际值和估计值之间的误差。上一页，下一页，回到本节的第一页，第10

15、章回归分析，41，2。方差分析的目的是检验回归方程的回归效果。F统计量的P值约为0.021，小于0.05的显著水平，表明方程的回归效果显著，方程中至少有一个回归系数显著非零。上一页，下一页，回到本节的第一页，第10章回归分析，42，3。回归参数表的回归方程为：广播广告支出回归系数的t统计量的P值约等于0.013。它表明原始假设应该在0.05的显著性水平上被拒绝，并在0.1的显著性水平上被接受。这个问题中的P值证明了每月的广播广告支出与光盘的销售有关。上一页，下一页，回到这一节的第一页，第10章回归分析，43，电视广告支出回归系数T统计的P值很高，接近0.18，这是值得注意的。虽然其回归系数接近

16、于广播广告支出的回归系数，但如此大的P值表明电视广告支出与销售之间没有相关性，因此提取的回归系数不为零的概率为P值(0.18)。给定5%的显著性水平，不能拒绝2为零的原始假设。结论是电视广告支出的回归系数不显著。上一页，下一页，回到这部分的第一页，第10章回归分析，44。决策建议：广播广告支出的回归系数比电视广告支出的回归系数更大、更显著，表明VCD连锁店应该加大广播广告支出，减少电视台广告支出。上一页，下一页，返回本节的第一页，第10章回归分析，45，10.5非线性回归分析，10.5.1非线性关系的线性化10.5.2案例研究：成本-产出多项式模型拟合10.5.3案例研究：产出-收入的对数模型拟合，上一页，下一页，返回本章的第一页，第10章回归分析10.5.1非线性关系的线性化。在实际分析中，许多回归模型的因变量和自变量之间的关系不是线性的。此时，可以通过线性变换将其线性化，以便使用回归分析工具进行分析。上一页，下一页，回到这一节的第一页，第10章回归分析，47，1。多项式模型在只有一个自变量的情况下，多项式模型如下：2 .对数模型方程是：上一个，下一个，回到本节的第一页，第10章回归分析，48，3。幂函数的方程式形式是：4接下来，回到本节的第一页，第10章回归分析，49，10.5.2案例研究：成本和产出的多项式模