第9章相关分析与一元回归分析-郑州轻工业学院.ppt

郑州轻工业学院数学与信息科学系 第九章：相关分析与一元回归分析 概率统计教研组 第九章 相关分析与一元回归分析 变量之间的关系可以分为函数关系和相关关系两类，函数关系表示变量间确定的对应关系，而相关关系则是变量间的某种非确定的依赖关系． 相关分析主要是研究随机变量间相关关系的形式和程度，在相关关系的讨论中，两个变量的地位是同等的，所使用的测度工具是相关系数，而回归分析则侧重考察变量之间的数量伴随关系，并通过一定的数学表达式将这种数量关系描述出来，用于解决预测和控制等实际问题． 本章主要学习相关分析和一元回归分析的有关概念、理论和方法． 第九章 相关分析与一元回归分析 【回归名称的来历】 “回归”这一词最早出现在1885年，英国生物学家兼统计学家——弗朗西斯?高尔顿（Francis Galton）在研究遗传现象时引进了这一名词．他研究分析了孩子和父母身高关系后发现：虽然高个子的父母会有高个子的后代，但后代的增高并不与父母的增高等量．他称这一现象为“向平常高度的回归”． 尔后，他的朋友麦尔逊等人搜集了上千个家庭成员的身高数据，分析出儿子的平均身高和父亲的身高x大致为如下关系： (英寸) 第九章 相关分析与一元回归分析 【回归名称的来历】 这表明： (1) 父亲身高增加1英寸，儿子的身高平均增加0.516英寸. (2) 高个子父辈有生高个子儿子的趋势，但儿子的平均身高要比于父辈低一些．如x=80，那么 低于父辈的平均身高． (3) 低个子父辈的儿子们虽为低个子，但其平均身高要比 父辈高一些．如x=80，那么 高于父辈的平均身高 第九章 相关分析与一元回归分析 【回归名称的来历】 可见儿子的高度趋向于“回归”到平均值而不是更极端，这就是“回归”一词的最初含义．诚然，如今对回归这一概念的理解并不是高尔顿的原意，但这一名词却一直沿用下来，成为数理统计中最常用的概念之一．回归分析的思想早已渗透到数理统计学科的其他分支，随着计算机的发展和各种统计软件的出现，回归分析的应用越来越广泛． 第九章 相关分析与一元回归分析 主要内容 §9.1 相关分析 §9.2 回归分析 §9.1 相 关 分 析 在大量的实际问题中，随机变量之间虽有某种关系，但这种关系很难找到一种精确的表示方法来描述． 例如，人的身高与体重之间有一定的关系，知道一个人的身高可以大致估计出他的体重，但并不能算出体重的精确值．其原因在于人有较大的个体差异，因而身高和体重的关系，是既密切但又不能完全确定的关系． 随机变量间类似的这种关系在大自然和社会中屡见不鲜． 例如，农作物产量与施肥量的关系，商业活动中销售量与广告投入的关系，人的年龄与血压的关系，每种股票的收益与整个市场收益的关系，家庭收入与支出的关系等等 §9.1 相 关 分 析 这种大量存在于随机变量间既互相联系，但又不是完全确定的关系，称为相关关系． 从数量的角度去研究这种关系，是数理统计的一个任务．这包括通过观察和试验数据去判断随机变量之间有无关系，对其关系大小作出数量上的估计，我们把这种统计分析方法称为相关分析． 相关分析通常包括考察随机变量观测数据的散点图、计算样本相关系数以及对总体相关系数的显著性检验等内容． §9.1 相 关 分 析 9.1.1 散点图 散点图是描述变量之间关系的一种直观方法．我们用坐标的横轴代表自变量X，纵轴代表因变量Y，每组观测数据(xi，yi)在坐标系中用一个点表示，由这些点形成的散点图描述了两个变量之间的大致关系，从中可以直观地看出变量之间的关系形态及关系强度． 图9-1 不同形态的散点图 §9.1 相 关 分 析 9.1.1 散点图 图9-1 不同形态的散点图 从散点图可以看出，变量间相关关系的表现形态大体上可分为线性相关、非线性相关、不相关等几种．就两个变量而言，如果变量之间的关系近似地表现为一条直线，则称为线性相关，如图9-1(a)和(b)； §9.1 相 关 分 析 9.1.1 散点图 图9-1 不同形态的散点图 如果变量之间的关系近似地表现为一条曲线，则称为非线性相关或曲线相关；如图9-1(c)；如果两个变量的观测点很分散，无任何规律，则表示变量之间没有相关关系，如图9-1(d)． §9.1 相 关 分 析 9.1.1 散点图 图9-1 不同形态的散点图 在线性相关中，若两个变量的变动方向相同，一个变量的数值增加，另一个变量的数值也随之增加，或一个变量的数值减少，另一个变量的数值也随之减少，则称为正相关，如图9