赵瑞红统计学ch相关与回归预案.ppt

第七章 相关与回归分析 从社会经济角度追溯相关法的历史 第一节 相关的意义和种类 一、函数关系与相关关系 数学中对函数关系的解释： （1）是一一对应的确定关系。 （2）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。 （3）各观测点落在一条线上。 是现象之间存在着非严格的、不确定的（或随机的）数量依存关系，即某一现象在数量上发生变化会影响另一变量，且变化在数量上有一定的随机性，换句话说，给定某一现象的一个数值时，另一现象可能有若干数值与之对应，并且遵循一定规律。 （1）变量间关系不能用函数关系精确表达； （2）一个变量的取值不能由另一个变量唯一确定； （3）当变量 x 取某个值时，变量 y 的取值可能有几个； （4）各观测点分布在直线周围。 二、相关关系的种类 （二）按相关关系的表现形态分 2.负相关：当一个变量的数值增加（或减少）时， 而 另一个变量的数值相反地呈减少（或增加） 趋势变化，即反方向变化。 例如：物价与消费的关系。 1.单相关：两个变量之间的相关，称为单相关。 2.复相关：当所研究的是一个变量对两个或两个以上 其他变量的相关关系时，称为复相关。 例如，商品的需求量、价格 ? 收入 3.偏相关：在某一现象与多种现象相关的场合，假定 其他变量不变，专门考察其中两个变量的 相关关系称为偏相关。 例如：假定收入水平不变的条件下： 需求量 ? 价格 三、相关分析与回归分析 （二）相关分析与回归分析的区别 1. 相关分析中不必确定自变量和因变量；回归分析必须事先确定自变量、因变量，且只能从自变量去推测因变量。 2.相关分析所涉及的变量一般都是随机变量；回归分析中因变量是随机的，自变量则作为研究时给定的非随机变量。 3.相关分析不能指出变量间相互关系的具体形式；回归分析能确切指出变量之间相互关系的具体形式，并可根据回归模型从已知量估计和预测未知量。 （三）相关分析与回归分析的联系 相关分析和回归分析有着密切的联系： 两者具有共同的研究对象，且是研究现象间依存关系的两个不可分的方面。 在具体应用时，常常首先依据研究者的理论知识和实践经验，对客观现象之间是否存在相关关系作出定性判断；然后计算相关的方向、形态、程度等；再进行回归分析寻求其相关的适当的数学表达式；最后用数学表达式进行预测、推算。 相关分析需要依靠回归分析来表明现象数量相关的具体形式，而回归分析则需要依靠相关分析来表明现象数量变化的相关程度。 一、相关表： 将自变量 x 的数值按照从小到大的顺序，并配合因变量 y 的数值一一对应而平行排列的表。 二、相关图：又称散点图 将 x 置于横轴上，y 置于纵轴上，将（x , y ）绘于坐标图上。用来反映两变量之间相关关系的图形。 三、相关系数 (一)相关系数的概念和定义公式 简单相关系数：简称 “相关系数”，在线性条件下说明两个变量之间相关关系密切程度的统计分析指标。 总体相关系数的定义公式： 样本相关系数的定义公式： 1.ｒ的取值介于 -１与１ 之间， r 的取值范围是 [-1, 1 ] 2.在大多数情况下，０＜|ｒ|＜１，即Ｘ与Ｙ的样本观测值之间存在着一定的线性关系，当ｒ＞０时，x与 y 为正相关，当ｒ＜０时，x 与 y 为负相关。 |ｒ|的数值愈接近于 1 ，表示 x 与 y 直线相关程度愈高；反之， |ｒ|的数值愈接近于 0 ，表示 x 与 y 直线相关程度愈低。 通常判断的标准是: 0＜ |ｒ|＜0.3 称为微弱相关； 0.3 ≤ |ｒ|＜0.5 称为低度相关； 0.５≤ |ｒ|＜0.8 称为中度相关或显著相关； 0.8 ≤ |ｒ|＜1 称为高度相关或强相关。 3.如果|ｒ|= 1，则表明Ｘ与Ｙ完全线性相关，当 ｒ=1时，称为完全正相关，而ｒ= -1 时，称为完全负相关。 4.ｒ是对变量之间线性相关关系的度量。 ｒ=0只是表明两个变量之间不存在线性关系，它并不意味着Ｘ与Ｙ之间不存在其他类型的关系。 如前所讲，回归分析是指对具有相关关系的现象，根据其相关关系的具体形