第三章相关题库.pptVIP

第三章 相关分析 0 一些现象 数学成绩与语文成绩 身高与性别 寿命与生长环境 课程成绩与教学方法 课程成绩与教师 化肥使用量与产出 孩子学习主动性与家长的学习 …… 1 基本概念 事物或现象之间的三种关系。 第一种是因果关系，这种关系说明的是事物之间相互依存，互为因果的关系，是事物之间存在的一种必然关系，即一种引起与被引起的关系，因在前果在后的顺序是不能颠倒的。 第二种是共变关系，例如夏天冷饮的销量和中暑人数的关系。当天气炎热时，两者都会增加，但通常我们不认为它们之间有什么因果关系。但事实上两者皆起因于天气炎热的因素，它们之间并没有直接的关系。 第三种是相关关系，即两类现象在发展变化的方向与大小方面存在一定的联系，但不是前面两种关系。 另一说相关关系反映现象的共变关系。 1.1 相关 两类现象在发展变化的方向与大小方面存在一定的联系，但不是因果关系。 1.2 相关的类型 --正相关（Positive correlation）是指两列变量变动方向相同，一列变量由大到小或由小到大变化时，另一列变量亦由大到小或由小到大变化。如身高与体重，身高越长，体重就越重 正相关虽然意思明确，其实是个模糊的概念，不可以量化，只是定性说法。如果有明确的关系，例如 y＝2x，这叫y与x成正比，如果只是大体上，x、y的变化方向一样，例如x上升，y也上升或者x下降，y也下降，那么，这叫正相关 。 --负相关（Nagtive correlation）是指两列变量变动方向相反，一列变量由大到小或由小到大变化时，另一列变量反而由小到大或由大到小变化。 负相关是事物之间相互“制约”，一种事物发展导致另一种事物受到限制。 特别是“替代品”。比如资源政策、环保政策出台必然导致“一次性资源”替代品的出现，象“代木代钢”发展起来的PVC塑钢。再如随着计算练习次数增加或练习时间加长，计算错误就越少等等。 零相关是指两列变量之间没有关系，即一列变量变动时，另一列变量作无规律的变动，又称为无相关或不相关。 如相貌与人的行为等现象之间的关系，都属于零相关。 1.3 相关的强度 完全相关是指两列变量的关系是一一对应，完全确立的关系。在坐标轴上描绘两列变量时会形成一条直线。 　　强相关又称高度相关，即当一列变量变化时，与之相应的另一列变量增大（或减少）的可能性非常大。在坐标图上则表现为散点图较为集中在某条直线的周围。 　　弱相关又称低度相关，即当一列变量变化时，与之相对应的另一列变量增大（或减少）的可能性较小。亦即两列变量之间虽然有一定的联系，但联系的紧密程度较低。在坐标涂上表现出散点比较分散地分布在某条直线的周围。 1.4相关的标示类型 直线相关(Linear Correlation)又称线性相关，是指两列变量中的一列变量在增加（或减少）时，而另一列变量随之而增加（或减少），或这一列变量在增加时，而另一列变量则相应地减少。它们之间存在一种直线关系。直线相关可用直线拟合。 曲线相关（Curvilinear correlation）又称非线性相关，是指两列伴随相变化的变量，未能形成直线关系。 1.4 散点图 2 直线相关系数 以∑xy衡量相关程度 正相关时∑xy为正，相关程度越高，值越大。 为什么？ 负相关时∑xy为负，相关程度越高，绝对值越大。 不相关时∑xy趋近于0。 为什么？ 因此，以(∑xy)/n—协方差衡量相关程度较好。   但，测量单位改变时，协方差会随之改变。 进一步，再用协方差除以变量XY 的标准差之积σx σy，得到一个指标，称为直线相关系数。 2.1 Pearson correlation coefficient 皮尔森相关系数（Pearson correlation coefficient）也称皮尔森积矩相关系数(Pearson product-moment correlation coefficient) ，是一种线性相关系数。皮尔森相关系数是用来反映两个变量线性相关程度的统计量。相关系数用r表示，其中n为样本量，xy、 分别为两个变量的观测值和均值。r描述的是两个变量间线性相关强弱的程度。r的绝对值越大表明相关性越强。（ 1