第十三章直线相关与直线回归.pptVIP

第十三章  直线相关与直线回归 变量与变量之间的关系： 确定性关系：函数关系 回归分析 非确定性关系 相关分析 从男青年总体中随机抽取11名男青 年组成样本, 分别测量每个男青年的 身高和前臂长, 身高和前臂长均以cm 为单位, 测量结果见表, 试对此资料进 行相关与回归分析。 11名男青年身高与前臂长的测量结果 第一节 相关与回归的基本概念 一、相关分析： 研究随机变量间相互关系的密切程度和变化趋势,并用适当的统计指标表达。 二、回归分析： 将变量间数量上的依存关系用函数形式表示出来,由一个或多个变量去推测另一个变量的估计值及波动范围。 三、双变量的关系： 1. 两个变量中的一个变量是非随机变量, 另一个是随机变量, 如胰岛素与血糖的关系等； 2. 两个变量均是随机变量,且服从双变量正态分布,如身高与体重的关系等。 四、自变量、应变量的概念 自变量： 即可以是随机变量, 也可以是精确测量的、严格控制的变量。 应变量： 随自变量而变化的、服从正态分布的随机变量。 第二节 直线相关(简单相关) 一、直线相关的概念： 一、直线相关的概念： 正相关 负相关 零相关 非线性相关 1、意义： 说明具有直线关系的两个变量间,相关的密切程度与相关的方向。 符号: 总体相关系数 ρ 样本相关系数 r （r 又称Pearson积矩相关系数） 相关系数r 没有单位,其取值范围 为－1≤ r ≤ 1。其绝对值越接近1,表 示两个变量间的直线关系越密切;越 接近0, 相关越不密切。r 值为正表示 正相关, 说明两变量变化的方向是同 向的; r 值为负表示负相关, 说明两变 量变化的方向是反向。 直线相关分析的步骤： 1. 绘制散点图:散点图呈直线趋势时, 进行下面的计算。 2. 计算: 3. 计算直线相关系数： 本例 r = 0.8012 三、相关系数的假设检验 基本原理: 判断两变量X、Y 间是否具有相 关关系, 就要检验样本相关系数r 是否来自总 体相关系数为0的总体。即使从? = 0的总体 作随机抽样, 由于抽样误差的影响, 所得的r 值也常不等于0, 需对样本相关系数进行假设 检验。 相关系数假设检验的方法和步骤： 1、tr检验 ⑴. 建立检验假设, 确定检验水准 H0: ? = 0, 即身高与前臂长之间无直线相关关系 H1: ? ≠0, 即身高与前臂长之间有直线相关关系 α=0.05 ⑵、计算检验统计量tr ⑶. 确定P值, 做出统计推断结论 ν=11－2= 9, 查t 界值表, t 0.01,9=3.25 P 0.01。拒绝H0, 接受H1。 结论: 可以认为男青年身高与前臂长之间 有正的直线相关关系。 2. 查表法: 以ν=n－2, 直接查r界值表。 r =0.8012, r 0.01,9=0.735, P 0.01, 结论同 t 检验结果。 r界值表的特点： ⑴. 以0为中心,左右两侧对称,曲线与横轴相交; ⑵.－1≤ r ≤ 1 ; ⑶.同一概率下,自由度越大, r界值越小; ⑷.同一自由度下, r越大, 对应的尾部面 积越小。 四、直线相关应用时的注意事项 1. 相关分析一定要有实际意义； 2. Pearson积矩相关系数的计算只适用于双变量正态分布的资料;否则, 应通过变量变换使之正态化, 再根据变换值计算相关系数, 或计算等级相关系数； 3. 分析两个变量间有无相关关系, 应先绘制散点图, 散点图呈直线趋势时, 再进行直线相关分析； 4. 不能只根据样本相关系数绝对值的大小来判断相关的密切程度,必须经过假设检验。小样本资料假设检验的结果只能推断两变量间有无直线关系,不能推断其相关的密切程度。 5、相关分析是用相关系数来描述两个变量间相互关系的密切程度和方向.相关分析有统计学意义,只能说明两变量的数量间存在直线关系,但不能证明事物间有内在联系, 必须借助专业知识加以阐明。 第三节 直线回归（简单回归） 直线回归分析的任务： 找出有依存关系的两个变量间的最适合的直线回归方程,以