大学课程《统计学》之相关与回归课件.ppt

相关与回归分析 第一节 相关与回归的基本概念 第二节 简单线性相关与回归分析 第三节 多元线性相关与回归分析 第四节 非线性相关与回归分析 第一节 相关与回归的基本概念 变量相关的概念 相关的种类 相关分析的内容 一、变量相关的概念 变量间的关系（函数关系） 设有两个变量 x 和 y ， y 随 x 一起变化，并完全依赖于 x ，当 x 取某个数值时， y 依确定的关系取相应的值，则称 y 是 x 的函数，记为 y = f (x)，其中 x 称为自变量，y 称为因变量 是一一对应的确定关系 变量间的关系（函数关系） 变量间的关系（相关关系） 变量间关系不能用函数关系精确表达 一个变量的取值不能由另一个变量唯一确定。当 x 取某个值时， y 的取值可能有很多个 各观测点分布在直线周围 变量间的关系（相关关系） 二、相关关系的种类 （一）按变量之间相关的程度 1、完全相关 2、完全不相关 3、不完全相关 三、相关与回归分析的主要内容 1.确定变量之间有无相关关系及呈现的形态 2.确定变量之间相关关系的密切程度 3.建立变量之间变动关系的方程式 4.测定因变量估计值的可靠 第二节 简单线性相关分析和回归分析 一、简单线性相关分析 二、简单线性回归分析 简单线性相关分析 （一）相关表 1、简单相关表 2、单变量分组相关表 3、双变量分组相关表 （二）相关图 （三）相关系数 1、基本公式 2、性质 3、其它计算公式 （一）相关表1、简单相关表 2、单变量分组相关表 3、双变量分组相关表 （二）相关图（如前简单相关表） 相关关系的图示 （三）相关系数及其计算 1.相关关系的测度—相关系数含义 （1）对变量之间关系密切程度的度量 （2）对两个变量之间线性相关程度的度量称为简单相关系数 （3）若相关系数是根据总体全部数据计算的，称为总体相关系数，记为 ?；若是根据样本数据计算的，则称为样本相关系数，记为 r 2、相关系数的计算 ? 样本相关系数的计算公式 公式化简 同理： 3、相关关系的测度（相关系数取值及其意义） r 的取值范围是 [-1,1] |r|=1，为完全相关 r =1，为完全正相关 r =-1，为完全负相关 r = 0，不存在线性相关关系 -1?r<0，为负相关 0<r?1，为正相关 |r|越趋于1表示关系越密切；|r|越趋于0表示关系越不密切 相关关系的测度（相关系数取值及其意义） 4、等级相关系数 也叫秩相关系数。计算步骤为： 把数量标志和品质标志的具体表现按等级次序编号。 按顺序求出两个标志的每对等级编号的差。 计算相关系数： 与相关系数一样，取值-1到+1之间，为正表示正相关，为负表示负相关。区别是它是建立在等级的基础上计算的，较适用于反映序列变量的相关。 5、点二列相关系数 计算公式： 检验： 4、相关系数的显著性检验（概念要点） 1）检验两个变量之间是否存在线性相关关系 2）等价于对回归系数 b1的检验 3）采用 t 检验。检验的步骤为 提出假设：H0：? ? ? ；H1： ? ? 0 相关系数的显著性检验（实例） ? 对前例计算的相关系数进行显著性检(??0.05) 1、提出假设：H0：? ? ? ；H1： ? ? 0 2、计算检验的统计量 一元线性回归分析 （一）回归分析 （二）相关分析与回归分析的关系 1、联系 2、区别 （三）一元线性回归方程的建立 1、回归方程的建立 2、r与b的关系 （一）什么是回归分析？ 从一组样本数据出发，确定变量之间的数学关系式 对这些关系式的可信程度进行各种统计检验，并从影响某一特定变量的诸多变量中找出哪些变量的影响显著，哪些不显著 利用所求的关系式，根据一个或几个变量的取值来预测或控制另一个特定变量的取值，并给出这种预测或控制的精确程度 （二）回归分析与相关分析的区别 相关分析主要描述两变量间线性关系密切程度；回归分析不仅可揭示变量 x对y 的影响大小，还可由回归方程进行预测和控制 相关分析中，变量 x、y处于平等地位，调换不影响相关系数数值；回归分析中，y为因变量，处在被解释地位，x为自变量，用于预测因变量的变化，互为因果关系的两个变量可以编制两个独立的回归方程。 回归模型的类型 回归模型与回归方程 （一）一元线性回归方程 的建立 描述 y 的平均值或期望值如何依赖于 x 的方程称为回归方程 简单线性回归方程的形式如下 参数 a 和 b 的最小二乘估计 最小二乘法（概念要点） 最小二乘法（图示） 最小