下载文档原格式
第11章 回归分析设x 为普通变量，Y 为随机变量。
如果当x 变化时，Y 随着x 的变化大体上按某种趋势变化，则称x 与Y 之间存在相关关系，即),0(~,)(2σεεN x f Y +=例如，某地人均收入x 与某种商品的消费量Y 之间的关系；森林中树木的断面直径x 与高度Y 之间的关系；某种商品的价格x 与销售量Y 之间的关系；施用氮肥、磷肥、钾肥数量1x ，2x ，3x 与某种农作物产量Y 之间的关系。
在生产实践和科学研究中，常常有这样的问题：由实验或测量得到变量间的一批离散样点，要求由此建立变量之间的近似函数关系或得到样点之外的数据。
我们确定的函数要求在某种距离意义下的误差达到最小（通常用最小二乘法，即考虑使各数据点误差平方和最小）。
由一个（或几个）普通变量来估计或预测某个随机变量的取值时，所建立的数学模型及所进行的统计分析称为回归分析。
§11.1 一元线性回归假设有一批关于x 与Y 的离散样点),(,),,(),,(2211n n y x y x y x集中在一条直线附近，说明x 与Y 之间呈线性相关关系，即),0(~,2σεεN bx a Y ++=称为一元线性回归模型。
一、模型中的参数估计 1、b a ,的估计 首先引进记号∑∑∑∑∑=====-=-=-===ni i i xy ni i yy ni i xx ni ini iyx n y x S y n y S x n x S y n y x n x 11221221111按最小二乘法可得到xxxyS S b =ˆ x b y a ˆˆ-= 称x b a yˆˆˆ+=为Y 关于x 的一元线性回归方程。
2、2σ的估计)ˆ(21ˆ22xx yy S b S n --=σ求出关于的一元线性回归方程。
解：先画出散点图如下计算出 3985193282503.6714510======xy yy xx S S S y x n483.0ˆ==xxxyS S b 735.2ˆˆ-=-=x b y a所求的回归方程是x y483.0735.2ˆ+-=。
第十一章 回 归 分 析本章以一元线性回归模型为重点介绍回归分析方法，对于一元线性回归模型所建立的理论与方法作适当的修改便可推广到多元线性回归模型。
§1 回归的概念一、变量之间的关系现实中，各种变量相互依赖、相互影响，存在着某种关系。
如：价格与需求量、利率与投资、收入与消费，等等。
大致可以归纳为两类关系：确定性关系（函数关系），非确定性关系（统计关系）。
1. 确定性关系：变量之间存在着某种完全确定的关系。
如：总收益Y 与产量X 之间的关系：X P Y ⋅=当价格一定时，Y 由X 完全确定。
表现在图形上，()Y X ,的所有点位于一条直线上。
一般地：()n X X X f Y ,,21= （多元函数）2. 非确定性关系：变量之间由于受到某些随机因素的影响而呈现出一种不确定的关系。
如：农业产量主要受到降雨量、施肥量、温度等的影响，但决定产量的并非完全是这些因素，还要受到许多其它因素的影响，如冰雹、蝗灾等自然灾害。
非确定性关系可以分为两大类：1) 相关关系：两个变量处于完全对等的位置，且两个变量皆为随机变量，常用相关系数来度量。
如：计量经济学成绩与统计学成绩，物价水平和股票价格，等等。
2) 回归关系：一个变量的变化是另一个变量变化的原因，而不是相反。
如：消费量Y 与可支配收入X 之间便是一种回归关系。
一般来讲，随着可支配收入的增加，消费增加，可支配收入是影响消费的主要因素，但并非唯一的因XYPX Y =素，影响消费的因素还有消费习惯、地区差异、年龄构成、宗教信仰等等。
同样收入的家庭，有的支出多，有的支出少，即使是同一家庭，其每个月的收入相同的话，各个月的支出也不会完全一样。
这样，对应于一个X 的值，Y 有多个不同的值相对应，X 与Y 呈现出不确定性的关系。
此时：()u X f Y += （u 为随机影响）表现在图形上，()Y X ,的点不是完全处于一条直线（或曲线）上，而是围绕在一条理论线的两旁变化。
十一章1. 解：回归分析是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，运用十分广泛。
回归分析按照涉及的变量的多少，分为一元回归和多元回归分析；在线性回归中，按照因变量的多少，可分为简单回归分析和多重回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。
如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。
如果回归分析中包括两个或两个以上的自变量，且自变量之间存在线性相关，则称为多元线性回归分析。
相关分析，相关分析是研究现象之间是否存在某种依存关系，并对具体有依存关系的现象探讨其相关方向以及相关程度，是研究随机变量之间的相关关系的一种统计方法。
相关分析和回归分析是研究客观现象之间数量联系的重要统计方法。
既可以从描述统计的角度，也可以从推断统计的角度来说明。
所谓相关分析，就是用一个指标来表明现象间相互依存关系的密切程度。
所谓回归分析，就是根据相关关系的具体形态，选择一个合适的数学模型，来近似地表达变量间的平均变化关系。
它们具有共同的研究对象，在具体应用时，相关分析需要依靠回归分析来表明现象数量相关的具体形式，而回归分析则需要依靠相关分析来表明现象数量变化的相关程度。
只有当变量之间存在着高度相关时，进行回归分析寻求其相关的具体形式才有意义。
由于相关分析不能指出变量间相互关系的具体形式，所以回归分析要对具有相关关系的变量之间的数量联系进行测定，从而为估算和预测提供了一个重要的方法。
在有关管理问题的定量分析中，推断统计加具有更加广泛的应用价值。
需要指出的是，相关分析和回归分析只是定量分析的手段。
通过相关与回归分析，虽然可以从数量上反映现象之间的联系形式及其密切程度，但是现象内在联系的判断和因果关系的确定，必须以有关学科的理论为指导，结合专业知识和实际经验进行分析研究，才能正确解决。
因此，在应用时要把定性分析和定量分析结合起来，在定性分析的基础上开展定量分析。
一章1. 解：回归分析是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，运用十分广泛。
回归分析按照涉及的变量的多少，分为一元回归和多元回归分析；在线性回归中，按照因变量的多少，可分为简单回归分析和多重回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。
如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。
如果回归分析中包括两个或两个以上的自变量，且自变量之间存在线性相关，则称为多元线性回归分析。
相关分析，相关分析是研究现象之间是否存在某种依存关系，并对具体有依存关系的现象探讨其相关方向以及相关程度，是研究随机变量之间的相关关系的一种统计方法。
相关分析和回归分析是研究客观现象之间数量联系的重要统计方法。
既可以从描述统计的角度，也可以从推断统计的角度来说明。
所谓相关分析，就是用一个指标来表明现象间相互依存关系的密切程度。
所谓回归分析，就是根据相关关系的具体形态，选择一个合适的数学模型，来近似地表达变量间的平均变化关系。
它们具有共同的研究对象，在具体应用时，相关分析需要依靠回归分析来表明现象数量相关的具体形式，而回归分析则需要依靠相关分析来表明现象数量变化的相关程度。
只有当变量之间存在着高度相关时，进行回归分析寻求其相关的具体形式才有意义。
由于相关分析不能指出变量间相互关系的具体形式，所以回归分析要对具有相关关系的变量之间的数量联系进行测定，从而为估算和预测提供了一个重要的方法。
在有关管理问题的定量分析中，推断统计加具有更加广泛的应用价值。
需要指出的是，相关分析和回归分析只是定量分析的手段。
通过相关与回归分析，虽然可以从数量上反映现象之间的联系形式及其密切程度，但是现象内在联系的判断和因果关系的确定，必须以有关学科的理论为指导，结合专业知识和实际经验进行分析研究，才能正确解决。
因此，在应用时要把定性分析和定量分析结合起来，在定性分析的基础上开展定量分析。
