经济社会统计学01课件.pptVIP

第1章绪论 社会经济统计学的主要内容 主流教材的两种内容安排方法 1、以统计为主：介绍各种实用的统计方法。主要内容包括统计数据的搜集与整理；统计数据的描述与分析；时间序列分析与预测；统计指标分析；抽样调查与估计；相关分析与回归分析等。大多数教材采用 2、以应用为主：介绍统计原理在主要社会经济领域的应用。主要内容包括人力资源统计、企业与产业统计、公共部门统计、金融统计、对外经济统计、国民经济统计等。个别教材采用 本课程的主要内容 将以上两种内容安排方法相结合： 实用统计方法方面：重点介绍相关分析与回归分析、统计数据的描述与分析、时间序列分析与预测、统计指标分析 社会经济领域的应用方面：人力资源统计、企业统计、公共部门统计、金融统计、对外经济统计 应用统计研究的两大任务 统计描述 数据变量自身的基本特点 基本统计量：均值（mean）、标准差（standard deviation）、最大值（maximum）、最小值（minimum）等 图形描述：原始数据图、分布图等 统计分析 数据变量间的关系 相关分析、回归分析等 第2章相关关系与回归分析 本章重点 总体、样本相关关系的计算 一元线性回归的原理 一元线性回归中的重要统计量 回顾：统计描述中的主要基本统计量 针对变量x获取n个观察值，计算该样本的主要基本统计量： 期望值或均值（mean） 样本标准差（sample standard deviation） 相关关系 相关关系（Correlation）的定义 指现象之间客观存在的、在数量上的变化受随机因素的影响，非确定性的依存关系。相关关系以相关系数度量 相关关系的主要特点 相关关系表现为数量上的依存关系，即一个现象在数量上发发生变化，另一个现象也会相应发生数量上的变化 现象之间数量依存关系的具体关系值是不固定的。存在相关关系的两个变量中，一个变量的取值可以对应另一个变量的多个数值 相关关系既有线性相关、也有非线性相关 相关系数的计算 相关系数(correlation coefficient)的计算公式 总体相关系数（ ） 样本相关系数 相关关系的种类与相关系数 相关关系按相关的方向分为： 正相关：现象的数量同方向变动；相关系数0 负相关：现象的数量反方向变动；相关系数0 相关关系按相关的程度分为： 完全相关：一种现象的数量变化完全由另一个现象的数量变化所确定；|相关系数|=1 不相关：现象之间彼此互不影响，其数量变化各自独立；相关系数=0 不完全相关：界于前两者之间； 相关关系分析中应注意的问题例1：Anscombe’s 四组图 统计学家Anscombe于1973年设计的四组数据 揭示的问题：单纯的基本统计量及相关关系不一定真实反映数据的主要特征 解决途径：在统计量分析的基础上，还要对数据作图示描述 例1(续1) 四组图的数据 例1(续2) 四组图的图示 很明显，4组数据中，Y的均值、方差及X-Y相关系数都相同，但图示的相关性截然不同。只有Y1呈现通常认为的相关性 相关关系分析中应注意的问题(续)例2：虚假相关 虚假相关（pseudo correlation） 两随机变量间源于偶然的相关关系 解决途径：针对社会经济现象的统计分析一定要以一定的理论为基础 一元线性回归 本节主要内容 一元线性回归的原理 一元线性回归中的重要统计量 回归分析的目的：找出影响（或决定）某现象的各种因素，并定量给出各个因素影响的大小 回归式 变量：被说明变量y（dependent variable）和说明变量x（explanatory variable） 观察值（observation或obs）：被说明变量和说明变量的数据对, (yi,xi) 样本（sample）：观察值的集合 {(y1,x1), ..., (yn,xn)} 回归式的全样本描述 回归式的向量形式及展开(n为样本大小) 回归的质量：t统计量 参数估计值a, b是随机变量，所以存在标准差。 标准差越小越好 即 |t值|越大越好 系数估计值有统计意义（或者说在5%水平显著），才能得出结论该变量对被说明变量有影响，而系数估计值的大小反映影响的程度。否则，该变量对被说明变量的影响不明确，即可能有影响，也可能无影响 回归模型的说明力 R2：衡量回归的说明力 调整（adjusted）R2：增加说明变量会增加R2 ，但不一定会增加调整R2；适用于大型回归模型（很多说明变量） 时序列(time series)回归的问题 DW统计量（Durbin-Watson statistic）检验残差的序列共相关（serial corr