第八章 相关及回归分析.pptVIP

三、线性相关的显著性检验 回归方程在一定程度上揭示了变量之间的内在联系，但它所揭示的规律性是否显著？只有当相关系数r的绝对值大到一定程度时，用回归直线表示x与y之间的关系，并说明相关系数 r显著，配置回归直线才有意义。 那么｜r｜究竟大到多大时，x与y之间才存在线性关系，配置回归直线才有意义呢？ 为了给出相关系数的定量刻划，相关系数显著性检验表给出了显著性水平a为0.10, 0.05, 0.02, 0.01, 0.001时的临界值。如果相关系数观测值r大于相应的临界值，则认为y与x的线性相关关系是显著的，配置回归直线有意义。否则便认为y与x的线性相关关系不显著。 查表时，使用的自由度为n?m?1。其中n为样本容量，m为参与试验的因素个数，因而，在一元回归场合下查表用自由度为n?2。 对于第二节中的资料，我们算得相关系数r=0.9892。 若a=0.01，查表得临界值： r(0.01; 10?2)=0.7646 ｜0.9892｜r(0.01; 10 ?2) 所以，第二节中求得的回归方程所表达的精炼时间y与钢液含碳百分比之间的线性关系对于a=0.01是显著的，也就是说配置的回归方程有意义。这种显著性通常称为高度显著。 §8.3 一元一次线性回归 一、回归直线的确定 如果变量x和y相关，并且从相关图表中可以看出它们之间大致形成一种直线关系，我们就可在相关图上求出一条与各点最相配合的直线。 由于这些点所代表的若干对数据——观察值，只是相互有一定关系的变量x、y的总体中的一个样本，故这样求出的直线是总体回归直线的估计线。在估计线上的点的纵坐标是相应于x的y的估计值。 y=a+bx ? 如果这个y的估计值用 y 表示，则估计线的方程可写为 ? 这叫做样本回归直线。它是y对x的回归线，表明y对x的平均关系。 式中x为受控制的自变量，通常由研究者事先选定数值。 a为样本回归直线y的截距，它是样本回归直线通过纵轴的点的y坐标； b为样本回归直线的斜率，它表示当x增加一个单位时y的平均增加数量，b又称回归系数。 如何确定回归直线方程呢？也就是说怎样确定方程中的参数a、b呢？ 若用(xi, yi) (i=1, 2, … n)表示n组观察值，则对任意给定的xi ，可得y的估计值为 这些数值同实际值yi之间存在着误差； yi=a+bxi ? ?i= yi? yi= yi ? a ? bxi ? 统计学 第八章 主讲教师：姚世斌 制作：姚世斌 第八章 §8.1相关分析 相关与回归 分析 一、相关关系的概念 现象之间的数量关系存在着两种不同的类型：一种是函数关系，另一种是相关关系。 函数关系指的是变量之间存在着的严格的依存关系，它们之间的关系值是固定的，对于某一变量的每一个值，都有另一个变量的完全确定的值与之相对应。 例如，圆的面积等于圆周率乘以半径的平方。 S=πr2 相关关系是指变量之间确实存在的但关系值不固定的相互依存关系。在这种关系中，当一个(或几个)变量的值确定以后，另一个变量的值虽与它(或它们)有关，但却不能完全确定。这是一种非确定性的关系。 例如，电视机的拥有率与人均收入水平有关，但对于人均收入水平相同的地区，其电视机的拥有率可能不尽相同。 在客观事物中，尤其是在经济现象中，相关关系普遍存在。统计很有必要对这种关系进行研究。 在相关关系中，通常，在相互联系的现象之间存在着一定的因果关系，这时就把其中的起着影响作用的现象具体化，通过一定的变量反映出来，这样的变量称为自变量。 由于受到自变量变动的影响而发生变动的变量称为因变量。 在相关关系中，有时两个变量之间只存在相互联系而并不存在明显的因果关系。确定哪一个是自变量，哪一个是因变量，主要决定于研究的目的。 例如，在粮食亩产量与施肥量之间，施肥量这一变量是自变量，亩产量这一变量是因变量。 当研究的是两个变量之间的关系时，通常以符号X表示自变量，以符号Y表示因变量。 二、相关关系的种类 相关关系从不同的角度可以划分成不同的类型。 (一) 正相关与负相关 从相关的方向看，相关关系可以分为正相关和负相关。 负相关是指相关变量之间的变化趋势相反，即当自变量的值增加，因变量的值随之减少；当自变量的值减少，因变量的值随之增加。 例如，产品产量与单位产品成本之间的关系。 正相关是指相关变量之间的变化趋势相同，即当自变量的值增加，因变量的值也随之增加；当自变量的值减少，因变量的值也随之减少。 例如，汽车的使用年限与汽车的修理费用之间的关系。 (二) 线性相关与非线性相关 从相关的形式上来看，相关关系可分为线性相关和非线性相关。 线性相关也称直线相关，是指相关的两个变量之间变化的趋势呈线性或近似于线性。即自变量发生变动，因变量随之发生变动，其增加或减少量是大致均等的，从图形上看，其观察点的分布近似表现为直线形式