管理学的实证研究方法入门教学课件ppt作者黄晓治第十章课件.ppt

* * 第10章回归分析 1 10.1 回归分析的基本概念 2 10.2 回归分析的例子 10.1 回归分析的基本概念 10.1.1回归分析的内涵 对连续变量之间的关系进行研究的是数学分析（或者高等数学），研究函数集间的关系的是泛函分析，而研究随机变量之间的关系的便是回归分析。 回归分析的主要内容可以归纳为以下几点： 第一点：通过一组数据为出发点，对这些参数（变量）间的回归模型（定量关系）进行确定； 第二点：对模型的准确度（可信度）进行统计检验； 第三点：从很多相关的变量中，来对变量的显著性进行判断（即哪些变量不是显著的，哪些是，不显著的忽略，显著的保留。）； 第四点：通过对结果的应用来对实际问题做出一定的判断。 10.1.2一元线性回归的内涵 对两个变量间统计关系的最简单的回归模型进行描述的方法就是一元线性回归。 我们可以把一元线性回归的模型表示为下式： y = β0 + β1 x+ε 其中：β0 、β1 ——为回归参数； ε——随机误差项。 10.1.3一元线性回归方程的显著性检验 10.1.4一元线性回归方程的拟合检验 通过对一元线性回归方程显著性的检验，在显著的情况下，则可以说明 对 的影响是主要的，但是我们不能肯定 和 的关系一定是线性的，抑或存在其他方面的影响因素，因此我们需在同一个 下进行重复的试验，来对回归方程的拟合问题进行检验。 10.1.5 多元线性回归模型 1.多元线性回归模型的概念 在相关条件下，两个或者两个以上自变量对一个因变量的数量之间的变化关系，称为多元线性回归分析，这一数量关系的数学表达公式，被称为线性回归模型。多元线性回归模型是在一元线性回归模型的基础上扩展得到的，因此，其基本原理与一元线性回归模型较为类似，只是在计算上更为复杂一些。 2.多元线性回归模型的检验 ??? 有很多种方法可对多元线性回归模型进行，在这里介绍以下两种方法： ? (1) R检验法 R检验可以分为以下三个步骤： 第一步，复相关系数R的计算。 ?第二步，根据给定的显著性水平值以及α回归模型的自由度(n-2)，从相关系数临界值表中查出临界值Rα(n-2)。 ???第三步，判断。 (2) F检验法 英国统计学家Fisher提出F检验法，它主要通过对两组数据的方差进行比较，来确定他们的精密度有没有显著性差异。也即是，F检验法是一种假设检验方法，它是检验两个正态随机变量的总体方差是否相等。其公式可以表示为： 10.1.6非线性回归模型 曲线形式的回归问题，我们是不能按照前面线性回归的建模方法来进行解决的，这是就需要用非线性回归模型进行解决问题，这时此法更简单、方便。 我们可以把非线性关系分为三种类型。第一种是可以采用变量替换化为线性关系；第二种是自变量和y之间的非线性关系的函数形式不怎么明确，此类非线性回归事件可利用多元线性逐步回归进行求解；第三种非线性问题是指，自变量和y的非线性关系的函数形式是确定的（但是其中的参数是未知的），但是不可通过变量替换化为线性关系，此类非线性回归问题必须要采用更加复杂的拟合方法来进行求解。 10.2回归分析的例子 10.2.1一元线性回归的实例分析 进行一元线性回归分析的基本步骤有以下几步： 第一步：原始数据的准备。 第二步：判断它们是否有线性关系的存在，并制作直观散点图。 1.从SPSS软件中选择菜单中的Analyze（分析），然后点击Regression（回归分析），再选择linear Regression（线性回归分析） 2.点击linear Regression（线性回归分析） 3.点击上图对话框中的plots（绘图）按钮 第三步：回归方程的建立 10.2.2多元线性回归的实例分析 步骤： 第一步：数据录入 第二步：启动线性回归过程 第三步：分析变量的设置 第四步：回归方式的选择 第五步：设置输出统计量 第六步：绘图选项的设置 第七步：保存分析数据选项的设置 第八步：其它选项的设置 第九步：提交执行 第十步：结果分析