第12章 地球信息应用模型.pptVIP

主要内容 主要内容 相关分析和回归分析的任务 相关分析的主要内容 揭示现象之间是否存在相关关系。 确定相关关系的表现形式。 确定现象变量间相关关系的密切程度和方向。 回归分析的主要内容 建立相关关系的回归方程。 测定因变量的估计值与估计值的误差程度。 相关表 相关表是一种反映变量之间相关关系的统计表。将某一变量按其取值的大小排列，然后再将与其相关的另一变量的对应值平行排列，便可得到简单的相关表。 例1：某地区某企业近8年产品产量与生产费用的相关情况如表6-1所示： 表6-1 产品产量与生产费用相关表 从上表可看出，产品产量与生产费用之间存在一定的正相关关系。 相关图 相关图又称散点图，它是将相关表中的观测值在平面直角坐标系中用坐标点描绘出来，以表明相关点的分布状况。通过相关图，可以大致看出两个变量之间有无相关关系以及相关的形态、方向和密切程度。 例2：以表6-1为例，用EXCEL绘制相关图如下 产品产量与生产费用相关图 （五）相关系数 1．相关系数的定义 相关系数是用来说明变量之间在直线相关条件下相关关系密切程度和方向的统计分析指标。其定义公式为： 式中： 表示数据项数， 为自变量， 为因变量。 相关系数公式的涵义理解 （1）两个变量之间的相关程度和方向，取决于两个变量离差乘积之和 ，当它为0时， 为0；当它为正时， 为正；当它为负时， 为负。 （2）相关程度的大小与计量单位无关。为了消除积差中两个变量原有计量单位的影响，将各变量的离差除以该变量数列的标准差，使之成为相对积差，即 ，所以相关系数是无量纲的数量。 2．相关系数的计算 根据相关系数定义的公式推导得简化公式： 例3：以表6-1为例，用EXCEL计算相关系数见表6-2。 表6-2 相关系数计算表 于是： =0.9697 相关系数的意义 相关系数一般可以从正负符号和绝对数值的大小两个层面理解。正负说明现象之间是正相关还是负相关。绝对数值的大小说明两现象之间线性相关的密切程度。 （1）r的取值在-1到+1之间。 （2）r=+1，为完全正相关；r=-1为完全负相关。表明变量之间为完全线性相关，即函数关系。 （3）r=0，表明两变量无线性相关关系。 （4）r0,表明变量之间为正相关；r0，表明变量之间为负相关。 （5）r的绝对值越接近于1，表明线性相关关系越密切；r越接近于0，表明线性相关关系越不密切。 相关程度可分为以下几种情况： ① ，为无线性相关； ②0.3≤ ＜0.5，为低度线性相关； ③0.5≤ ＜0.8，为显著线性相关； ④ ≥0.8，一般称为高度线性相关。 以上说明必须建立在相关系数通过显著性检验的基础之上。 （一）回归分析的概念和特点 回归分析的概念 回归分析就是对具有相关关系的变量之间数量变化的一般关系进行测定，确定一个相关的数学表达式，以便于进行估计或预测的统计方法。 回归分析的特点 （1）在变量之间，必须根据研究目的具体确定哪些是自变量，哪个是因变量。 （2）回归方程的作用在于，在给定自变量的数值情况下来估计因变量的可能值。一个回归方程只能做一种推算。推算的结果表明变量之间具体的变动关系。 （3）直线回归方程中，自变量的系数为回归系数。回归系数的符号为正时，表示正相关；回归系数的符号为负时，表示负相关。 （4）确定回归方程时，只要求因变量是随机的，而自变量是给定的数值。 一元线性回归分析 1．一元线性回归模型的确定 设有两个变量 和 ，变量 的取值随变量 取值的变化而变化，我们称 为因变量， 为自变量；反之亦然。一般来说，对于具有线性相关关系的两个变量，可以用一条直线方程来表示它们之间的关系，即： 倚 回归方程： 倚 回归方程： 聚类分析方法是按样品（或变量）的数据特征，把相似的样品（或变量）倾向于分在同一类中，把不相似的样品（或变量）倾向于分在不同类中。 聚类分析根据分类对象不同分为Q型和R型聚类分析。 距离和相似系数 相似性度量：距离和相似系数。 距离常用来度量样品之间的相似性，相似系数常用来度量变量之间的相似性。 样品之间的距离和相似系数有着各种不同的定义，而这些定义与变量的类型有着非常密切的关系。 变量的测量尺度 通常变量按测量尺度的不同可以分为间隔、有序和名义尺度变量三类。 间隔尺度变量：变量用连续的量来表示，如长度、重量、速度、温度等。