应用统计学第8章相关分析与回归分析.ppt

相关分析（掌握） 线性回归分析（掌握） 回归模型的统计检验和预测（掌握） 非线性回归模型（了解） 8.1.1 相关关系的概念和种类 8.1.1.1 相关关系的概念 在社会经济发展变化中，客观现象总是普遍联系和相互依存的，客观现象（变量）之间的数量依存关系可分为两种类型：确定性关系和相关关系。 相关关系是指现象之间客观存在的非确定性的数量依存关系。 8.1.1.2 相关关系的种类 按相关的方向可以分为正相关和负相关。 按相关的程度可分为完全相关、不完全相关和不相关。 按涉及的变量或因素的个数可以分为单相关与复相关。 按相关的表现形式可分为线性相关与非线性相关。 8.1.1.3 相关图表 相关表和相关图可直观地表达变量之间的相关关系的程度。 相关表是将具有相关关系的原始数据,按某一顺序平行排列在一张表上,以观察它们之间的相互关系。 表8-1高校人数和周边饭店季营业额 相关图也称为分布图或散点图，它是在平面直角坐标中把相关关系的原始数据用点描绘出来，通常以直角坐标的横轴代表自变量x,纵轴代表因变量y。相关图所反映的变量之间的相关关系的方向和程序比相关表更为清晰，也更为直观。 图8-1学生人数和季营业额相关图 8.1.1.4 相关分析的意义 1、相关分析可以确定变量之间相关关系的方向和程度 2、相关分析可以衡量回归估计的精确程度 8.1.2 简单线性相关 8.1.2.1 相关系数 相关系数是描述相关的两个变量之间相关关系密切程度的数量指标。早在1890年，英国著名统计学家Karl Pearson便提出了一个测定两个变量线性相关的计算方法，通常称为积差相关系数或简单相关系数。 计算学生人数和季营业额的相关系数 8.1.2.2 相关系数的性质 1、 2、若 ，表示变量x与变量y为线性正相关关系；若 ，表示变量x与变量y为线性负相关关系。 3、若 ，表示两变量完全线性相关，即变量x与变量y之间存在确定的函数关系。若 ，表示两变量完全线性正相关；若 ，表示两变量完全线性负相关。 4、若 ，表示两变量不存在线性相关。 5、当 时，表示两变量存在不同程度的线性相关。 的数值越接近于1，表示两变量之间线性相关程度越高；反之 的数值越接近于0，表示两变量之间线性相关程度越低。通常认为： 微弱相关； 低度相关 显著相关； 高度相关 6、相关系数不受变量值水平和计量单位的影响。 检验高校学生人数与周边饭店季营业额之间的相关系数是否显著，显著性水平?=0.05。 第一步：提出假设 第二步：构造并计算检验统计量 第三步：确定临界值。根据给定的显著性水平?=0.05和自由度10-2=8，查找t分布表或利用Excel计算，得到临界值。 第四步：决策。由于 所以拒绝原假设，说明高校学生人数与周边饭店季营业额之间存在着显著的正线性相关关系。 8.2.1 回归分析 回归分析是根据已知变量估计未知变量的一种统计方法，它是以对未知变量(因变量)同其他变量(自变量)相互关系的观察为基础，在某种精确度下，预测未知变量的数值。 回归分析的内容和步骤: ①选择适当的回归模型。 ②进行参数估计。 ③进行模型的检验。 ④进行预测。即根据回归方程进行适当的经济预测，这是回归分析的最终目的。 8.2.1.1 总体回归方程与样本回归方程 例：研究家庭消费支出与家庭收入之间的关系，一个总体由50户家庭组成，并按人均月收入水平划分成组内收入水平大致相同的10个组。 图8-4 不同收入水平的家庭消费支出散点分布图 由图中看出总体回归直线是线性的，用函数的形式来表示： (1) 这是直线的数学表达式，在式(1)中， E(Y｜Xi)表示给定X值相应的(或条件的) Y的均值，称为Y的条件期望或条件均值下标i代表第i个子总体。如，x=2时，y的条件均值为 即收入水平为2000元的4个家庭的平均消费支出为1500元。 注意： E(Y｜Xi)是Xi的函数(在此例中是线性函数)。这意味着Y依赖于Xi，一般称之为