标准书号32 33 308 03386 第八章.ppt

统计原理与实务 作者：楼裕胜 第八章 相关与回归分析 第一节 相关分析的基本问题 一、相关关系的概念 研究现象之间的数量关系，一般是通过相应的变量之间的数量关系来确定的。 变量之间就其关系的变化可以分为确定性关系和不确定性关系两种类型。 (一)函数关系〈确定性的数量关系) 它反映在一定条件下.现象之间存在着严格的数量依存关系，即对于某一个变量的每一个数值，都有另一个确定的数值与之相对应.这种关系也称为函数关系 (二)相关关系(不确定性数量关系) 现象之间存在着相互依存关系，当一个现象发生数量变化时，另一个现象也会随之发生数量变化但这种关系是不确定的依存关系.即吁一个现象的数值确定以后.另一个现象可能有多个数值相对应.这些数值围绕着他们的平均值上下波动。这种依存关系称为不确定性关系，也称相关关系 其数学的一般形式为: y=f(x)+￡ 相关关系是一种客观存在的依存关系，但是变量之间是一种不严格不确定的关系，受其他随机变量的影响和干扰 相关关系与函数关系有区别也有联系。由于有观察或测量误差等原因，函数关系在实际中往往通过相关关系表现出来。在研究相关关系时，又常常要使用函数关系的形式来表现.以便找到相关关系的一般数量表现形式 二、相关关系的种类 (一)按相关关系涉及的交量(因素)多少来划分 可分为单相关和复相关。 (二)按相关关系的表现形态来划分可分为直线相关和曲线相关 (三)按相关变化的方向来划分可分为正相关和负相关 (四)按现象之间的相关程度来划分可分为完全相关、不完全相关和不相关。 三、相关分析的主要内容 (一)确定现象之间有元相关关系以及相关关系的表现形式 (二)确定相关关系的密切程度 (三)选择合适的数学模型 (四)刷量变量估计值的可靠程度 第二节 相关分析的方法 一、相关关系的判断 (一)客观现象之间的定性分析 (二)利用相关图表进行判断 1.绘制相关图 2. 编制 相关表 (1)简单相关表 (2) 分组相关表 1)单变量分组相关表2) 双变量分组相关表 二、相关关系的测定 (一)直线相关系敬的计算原理 为了研究变量之间相关关系密切程度的数量表现，可以用相关系数 r来表示。对直线相关而言，直线相关系数 r专门用于测定两个变量之间线性相关密切程度的指标.也称为皮尔逊相关系数 (二)相关系数的计算方法 1.用积差法测定相关系数 现以表 8- 1资料为例，计算相关系数，具体计算如表 8- 4 所示 : 2. 相 关 系 数 的 简 捷计算 方 法 例 8- 2现以表 8- 1资料为例，计算相关系数，具体计算如表 8- 5所示: 3. 相 关 系 数 的 其他 计算 方 法 三、相关系数的密切程度 相关系数 r的绝对值越接近于l(即 r越接近于十1或一1)，表示相关关系越强;越接近于 0，表示相关关系越弱。 为了判断时有个标准，有人提出了相关关系密切程度的等级，相关系数在o. 3 以下的为无相关，0.3 以上的为有相关。 0. 3~0. 5 是低度相关； 0.5~0.8是显著相关； 0.8 以上是高度相关。 四、利用分组表计算相关系数 (一)单变量分组表计算相关系数 (二)双变量分组在计算相关系数 第三节 回归分析 一、回归分析的概念 回归分析是指对具相关关系的变量，依据其关系形态，选择一个合适的数学模型.用来近似的表示变量之间数量平均变化关系的一种统计方法。 回归分析的内容很多，按分析变量的多少不同，可分为一元国归分析与多元回归分析:按分析变量的表现形态不同，可分为线性回归分析与非线性回归分析 二、一元线性回归模型 (一)一元线性回归模型的描述 一元线性回归模型也称为简单直线回归模型，它是根据成对的两个变量的数据，配合直线方程，并根据自变量的变动来推算因变量发展趋势和水平的一种数学关系式 Y 对X 的直线回归方程 : Y=ax+b (二)一元线性回归模型的参数估计 拟合回归直线的主要问题就在于估计待定参数 a . b的数值，常用的方法就是最小二乘法。 最小二乘法的数学依据是实际值(观察值)与理论值(趋势值)离差平方和最小 例 8- 3 某地区 1 0 个工业企业生产性固定资产价值与工业增加值的资料如表 8- 6所示.具体说明建立二者的直线回归方程的方法。 三、回归直线方程的代表性分析 (一)总变差的分解 建立直线回归方程，实际观察值是围绕平均数上下波动的 . y的这种波动现象称为变差。 变差的产生有两方面的原因，一是受自变量的影响x的取值不同引起y的取值也不相同；二是受其他因素(包括未知因素和观测误差)的影响 (二)可决系数 回归变差占总变差的比重可以用来衡量 r与 y之间相关关系密切程度以及回归直线拟合优劣程度，称为可决系数，用 r表示，公式为: (三)估计标准误差 1.估计标准误差的概念 估计标准误差也称为