统计学复习下重点.docVIP

相关与回归分析 相关与回归分析的基本概念 函数关系与相关关系 函数关系： 是一一对应的确定关系 设有两个变量 x 和 y ，变量 y 随变量 x 一起变化，并完全依赖于 x ，当变量 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 各观测点落在一条线上 函数关系的例子 某种商品的销售额(y)与销售量(x)之间的关系可表示为 y = px (p 为单价) 圆的面积(S)与半径之间的关系可表示为S=(R2 企业的原材料消耗额(y)与产量(x1) 、单位产量消耗(x2) 、原材料价格(x3)之间的关系可表示为y = x1 x2 x3 相关关系(correlation)： 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 当变量 x 取某个值时，变量 y 的取值可能有几个 各观测点分布在直线周围 相关关系的例子 父亲身高(y)与子女身高(x)之间的关系 收入水平(y)与受教育程度(x)之间的关系 粮食亩产量(y)与施肥量(x1) 、降雨量(x2) 、温度(x3)之间的关系 商品的消费量(y)与居民收入(x)之间的关系 商品销售额(y)与广告费支出(x)之间的关系 变量之间关系 区别与联系 函数关系 相关关系 共变关系 互为因果关系 因果关系 确定性依存关系 不确定（随机性）依存关系 区别： 函数关系中的变量之间的关系是完全确定的，而相关关系中的变量之间的关系是不完全确定的。 函数关系可以用数学表达式精确表示出来，而相关关系只能通过研究变量间的统计规律才能得到。 联系：由于存在着测量误差等因素的影响，函数关系在实践中往往通过相关关系表现出来；在研究相关关系时，常常通过确定性的函数关系部分来研究变量之间的依赖关系。 相关关系的种类 相关分析与回归分析 相关分析：用一个指标来表明现象间相互关系的密切程度 回归分析：根据相关关系的具体形态，选择一个合适的数学模型来近似地表达变量间的平均变化关系 区别：相关分析研究的都是随机变量，并且不分自变量与因变量；回归分析研究的变量要定出自变量与因变量，并且自变量是确定的普通变量，因变量是随机变量。 联系： 均为研究现象之间相关关系的两种不可分割的基本 相关关系的描述与测度 相关表：是一种统计表，它是直接根据现象之间的原始资料，将一变量的若干变量值按从小到大的顺序排列，并将另一变量的值与之对应排列形成的统计表。 相关图：又称散点图(scatter diagram)，用直角坐标系的x轴代表一个变量，y轴代表另一变量，将两个变量间相对应的变量值用坐标点的形式描绘出来，用以表明相关点分布状况的图形。 相关系数 对变量之间关系密切程度的度量 对两个变量之间线性相关程度的度量称为简单相关系数 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 样本相关系数的计算公式 或简化为 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，为完全负正相关 r = 0，不存在线性相关关系相关 -1(r0，为负相关 0r(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 当|r| ≥0.8时，高度相关 当0.5( |r| 0.8时，中度相关 当0.3( |r| 0.5时，低度相关 当|r|0.3时，相关程度极弱，可视为不相关 用Excel计算相关系数 插入——函数——correl 工具——数据分析——相关系数 相关系数的显著性检验 r 的抽样分布 r 的抽样分布随总体相关系数和样本容量的大小而变化 当样本数据来自正态总体时，随着n的增大，r 的抽样分布趋于正态分布，尤其是在总体相关系(数很小或接近0时，趋于正态分布的趋势非常明显。而当远离0时，除非n非常大，否则r的抽样分布呈现一定的偏态。 当(为较大的正值时，r 呈现左偏分布；当(为较大的负值时，r 呈现右偏分布。只有当(接近于0，而样本容量n很大时，才能认为r是接近于正态分布的随机变量 检验的步骤 检验两个变量之间是否存在线性相关关系 等价于对回归系数 b1的检验 采用R.A.Fisher提出的 t 检验 检验的步骤为 提出假设：H0：( ( ( ；H1： ( ( 0 计算检验的统计量： 确定显著性水平(，并作出决策 若(t(t(((，拒绝H0 若(t(t(((，不拒绝H0 例题分析 【例】一家大型商业银行在多个地区设有分行，其业务主要是进行基础设施建设、国家重点项目建设、固定资产投资等项目的贷款。近年来，该银行的贷款额平稳增长，但不良贷款额也有较大比例的提高，这给银行业务