归模型进行统计检验:统计检验通过后,最后是利用回归模型,根据 自变量去估计、预测因变量。 归有不同种类,按照自变量的个数分,有一元回归和多元回归。 只有一个自变量的叫一元回归,有两个或两个以上自变量的叫多元回 归:按照回归曲线的形态分,有线性(直线)回归和非线性(曲线) 回归。实际分析时应根据客观现象的性质、特点、研究目的和任务选 取回归分析的方法。本节仅讨论一元线性回归分析 722.相关与回归分析的关系 相关分析是回归分析的基础和前提,回归分析则是相关分析的深 入和继续。相关分析需要依靠回归分析来表现变量之间数量相关的具 体形式,而回归分析则需要依靠相关分析来表现变量之间数量变化的 相关程度。只有当变量之间存在高度相关时,进行回归分析寻求其相 关的具体形式才有意义。如果在没有对变量之间是否相关以及相关方 向和程度做出正确判断之前,就进行回归分析,很容易造成“虚假回 归”。与此同时,相关分析只研究变量之间相关的方向和程度,不能推 断变量之间相互关系的具体形式,也无法从一个变量的变化来推测另 个变量的变化情况,因此,在具体应用过程中,只有把相关分析和 回归分析结合起来,才能达到研究和分析的目的。 二者的区别主要体现在以下三个方面: (1).在相关分析中涉及的变量不存在自变量和因变量的划分问题 变量之间的关系是对等的;而在回归分析中,则必须根据研究对象的 性质和研究分析的目的,对变量进行自变量和因变量的划分。因此, 在回归分析中,变量之间的关系是不对等的 (20.在相关分析中所有的变量都必须是随机变量:而在回归分析 中,自变量是给定的,因变量才是随机的,即将自变量的给定值代入 回归方程后,所得到的因变量的估计值不是惟一确定的,而会表现出 定的随机波动性 3).相关分析主要是通过一个指标即相关系数来反映变量之间相 关程度的大小,由于变量之间是对等的,因此相关系数是惟一确定的。 而在回归分析中,对于互为因果的两个变量(如人的身高与体重,商品 的价格与需求量),则有可能存在多个回归方程 需要指出的是,变量之间是否存在“真实相关”,是由变量之间的 内在联系所决定的。相关分析和回归分析只是定量分析的手段,通过 相关分析和回归分析,虽然可以从数量上反映变量之间的联系形式及 其密切程度,但是无法准确判断变量之间内在联系的存在与否,也无归模型进行统计检验；统计检验通过后，最后是利用回归模型，根据 自变量去估计、预测因变量。 回归有不同种类，按照自变量的个数分，有一元回归和多元回归。 只有一个自变量的叫一元回归，有两个或两个以上自变量的叫多元回 归；按照回归曲线的形态分，有线性（直线）回归和非线性（曲线） 回归。实际分析时应根据客观现象的性质、特点、研究目的和任务选 取回归分析的方法。本节仅讨论一元线性回归分析。 7.2.2. 相关与回归分析的关系 相关分析是回归分析的基础和前提，回归分析则是相关分析的深 入和继续。相关分析需要依靠回归分析来表现变量之间数量相关的具 体形式，而回归分析则需要依靠相关分析来表现变量之间数量变化的 相关程度。只有当变量之间存在高度相关时，进行回归分析寻求其相 关的具体形式才有意义。如果在没有对变量之间是否相关以及相关方 向和程度做出正确判断之前，就进行回归分析，很容易造成“虚假回 归”。与此同时，相关分析只研究变量之间相关的方向和程度，不能推 断变量之间相互关系的具体形式，也无法从一个变量的变化来推测另 一个变量的变化情况，因此，在具体应用过程中，只有把相关分析和 回归分析结合起来，才能达到研究和分析的目的。 二者的区别主要体现在以下三个方面： (1)．在相关分析中涉及的变量不存在自变量和因变量的划分问题， 变量之间的关系是对等的；而在回归分析中，则必须根据研究对象的 性质和研究分析的目的，对变量进行自变量和因变量的划分。因此， 在回归分析中，变量之间的关系是不对等的。 (20．在相关分析中所有的变量都必须是随机变量；而在回归分析 中，自变量是给定的，因变量才是随机的，即将自变量的给定值代入 回归方程后，所得到的因变量的估计值不是惟一确定的，而会表现出 一定的随机波动性。 (3)．相关分析主要是通过一个指标即相关系数来反映变量之间相 关程度的大小，由于变量之间是对等的，因此相关系数是惟一确定的。 而在回归分析中，对于互为因果的两个变量 (如人的身高与体重，商品 的价格与需求量)，则有可能存在多个回归方程。 需要指出的是，变量之间是否存在“真实相关”，是由变量之间的 内在联系所决定的。相关分析和回归分析只是定量分析的手段，通过 相关分析和回归分析，虽然可以从数量上反映变量之间的联系形式及 其密切程度，但是无法准确判断变量之间内在联系的存在与否，也无