补充—相关理论.pptVIP

相关理论 主要内容 定义与分类 线性相关的度量 相关系数的取值 相关系数的局限性 相关系数的检验 1．相关的定义与分类 定义：相关（correlation）指两个或两个以上变量间相互关系的程度或强度。 分类：①按强度分 完全相关 变量间存在函数关系。例，圆的周长，L = 2πR 高度相关（强相关） 变量间近似存在函数关系。例，我国家庭收入与支出的关系。 弱相关 变量间有关系但不明显。例，近年来我国耕种面积与产量。 零相关 变量间不存在任何关系。例，某班学生的学习成绩与年龄。 分类 ②按变量个数分 简单相关：指两个变量间相关 按形式分：线性相关, 非线性相关 按符号分：正相关, 负相关, 零相关 复相关（多重相关和偏相关）：指三个或三个以上变量间的相关。 相关图 相关图 相关图 2．简单线性相关的度量 简单线性相关系数，简称相关系数（correlation coefficient）度量了两个变量间的线性相关强度，用 ? 表示。 ? 的随机变量表达式是 相关系数的表达式 ? 的统计表达式 ? 为什么能对变量间的线性相关强度进行定量度量 因为 ? 表达式的分子是协方差，Cov (xt , yt)；分母是xｔ和yt的标准差之积。而xt和yt的标准差不会为零，所以Cov (xt , yt) 是否为零，就决定了? 是否为零，即标志着变量xt, yt间是否存在线性相关关系。 但Cov(xt , yt) 有两个缺点：①它是一个有量纲的量，取值容易受测量单位的影响；②取值范围宽，相关性越强，Cov(xt , yt) 取值越大。为克服上述缺点，用xt, yt的标准差除Cov(xt , yt)，于是就得到相关系数 ? 的统计表达式。它是一个无量纲量。 样本相关系数 相关系数 ? 是对总体而言。当研究某个问题时，所得数据常是一个样本。对样本来说，相关系数常用r表示，即r是总体相关系数 ? 的估计值。 3．相关系数的取值范围 （１）当两个变量严格服从线性关系时,∣?∣= 1。 证：设直线斜率为k， 即y = a + k x。则有 3．相关系数的取值范围 （２）当两个变量不存在线性关系时，? ? ? =０。 （３）上述是两种极端情形，所以相关系数的取值范围是 [-1，1]。 当Ｃｏｖ (xt , yt) 0时，则 ? 0 (正相关)； 当Ｃｏｖ(xt , yt) 0时，则 ? 0 (负相关)； 若Ｃｏｖ(xt , yt) = 0，则 ? = 0 (零相关)。 用? (xt – ) ( yt – )解释 正相关与负相关 4．线性相关系数的局限性 (1) 只适用于考察变量间的线性相关关系。也就是说当 ? = 0时，只说明二变量间不存在线性相关关系，但不能保证不存在其它非线性相关关系。所以变量不相关与变量相互独立在概念上是不同的。 (2) 相关系数的计算是一个数学过程。它只说明二变量间的相关强度，但不能揭示这种相关性的原因，不能揭示变量间关系的实质，即变量间是否真正存在内在联系，因果关系。所以在计算r 的同时，还要强调对实际问题的分析与理解。 (3) 一般说二变量相关时，可能属于如下一种关系。 ①单向因果关系。如施肥量与农作物产量；对金属的加热时间与温度值。 ②双向因果关系。如工业生产与农业生产；商品供给量与商品价格。 ③ 另有隐含因素影响二变量变化。如市场上计算机销量与电视机销量呈正相关。显然人均收入的增加是一个隐含因素。 ④ 虚假相关。如年国内生产总值与刑事案件数呈正相关。显然二变量间不存在因果关系。应属虚假相关。中国和美国某个经济指标高度相关，显然这没有可比性，毫无意义。 5．简单相关系数的检验 (1) 直接检验（查相关系数临界值表） H0：? = 0； H1：? ? 0 用xt和yt的样本计算相关系数r，以自由度f = T - 2查临界值表。 检验规则是 若 ? r ? r? (T-2) （临界值），则xt和yt相关； 若 ? r ? r? (T-2) （临界值），则xt和yt不相关。 相关系数检验 (2) t 检验 H0：? = 0； H1：? ? 0 其中2表示涉及两个变量。 若 ? t ? t? (T-2) ，则xt和yt相关； 若 ? t ? t? (T-2) ，则xt和yt不相关。 6．偏相关系数 以上介绍了简单线性相关系数，但是当两个变量xt, yt同时受其它变量z1t, z2t, …, 影响时，有必要研究当控制其它变量z1t, z2t, …,不变时，该两个变量xt, yt之间的相关关系。称这种相关关系为偏相关关系。以3个变量xt, yt, zt,为例（多于3个变量的情形与此相似。） 测量思路 假定控制zt不变