第二章多元线性回归2.ppt.ppt

第一节 相关和回归 一、相关统计量 用一个数值表示两个变量间的相关程度（无单位度量）（-1~+1） 解读 X与y的相关系数为0.6，x与z的相关系数为0.3 答案： 只能说明x与y相关程度高于x与z的相关程度，但不能说前者是后者的两倍 二、计算相关的思路 定距：数量上的“共变” 定类、定序：“连同发生”——隐含根据一个变量去预测或估计另一个变量的意思 人们正是根据预测的准确程度来界定定类或定序变量之间的关系的——消减误差比例 三、相关测量逻辑展示 （一）Lambda相关测量法 基本逻辑：以一个定类变项的值来预测另一个定类变项的值时，如果以众值作为预测准则，可以减少多少误差 公式： 练习：根据下表数据计算lambda 思考并运算：如果数据有如下变化，lambda值会发生什么变化呢？ 存在的问题： 1、Lambda系数以众值为预测准则，不理会众值以外的次数分布，对数据利用率低。 2、因为上述计算方式，如果全部众值集中在条件次数表的同一列或同一行中，则Lambda系数会等于0，相关失去意义 （二）相关系数r 1、协方差的思想 2、r系数计算 3、PRE计算思路 四、回归 注意 回归模型只是整个研究方案中的一环，它必须依赖理论和经验的支撑，服从研究设计的需要，在研究方法论的指导下展开 一、回归方程与线性回归方程 两变量x与y 对于确定的xi，yi是随机变量，可计算其均值