数理统计9(涂)回归1精讲.ppt

第一节 相关与相关系数 (二) 相关关系 1.按相关关系的性质来分，可分为: 正相关和负相关 2. 按相关关系的形式来分，可分为： 直线相关和曲线相关 3. 按相关程度分，可分为： 完全相关、不完全相关和不相关 三、相关系数与应用 （二）相关系数r的测定方法： 用例1的数据计算如下： 第二节 一元线性回归 回归模型的类型 给定X时，Y是正态分布、等方差示意图 2 回归模型的前提假设 线性(linear) 独立(independent) 正态(normal) 等方差(equal variance) 恰好为“LINE”。 最小二乘法(least square estimation，LSE) 基本思想：使各实测值Y与回归直线上对应的估计值 之差的平方和 为最小，在这个准则下，可导出a、b的最小二乘估计如下： ①先作散点图，以判断两变量间是否呈线性趋势 回归系数b： ③绘制回归直线 * 相关和回归分析 教学内容安排 第一节 相关与相关系数 第二节 一元线性回归 一、相关关系的概念(注意相关关系与函数关系的区别) (一) 函数关系 它反映着现象之间存在着严格的依存关系，也就是具有确定性的对应关系，这种关系可用一个数学表达式反映出来。 若两个现象x、y有严格的直线依存关系，则其函数关系还可用右图表示。 ? ? ? ? ? ? ? ? ? x y 它反映着现象之间的数量上不严格的依存关系，也就是说两者之间不具有确定性的对应关系，这种关系有二个明显特点： 1.现象之间确实存在数量上的依存关系，即某一社会经济现象变化要引起另一社会经济现象的变化； 2.现象之间的这种依存关系是不严格的，即无法用数学公式准确表示。 ? ? ? ? ? ? ? ? ? x y 正相关是指两相关现象变化的方向是一致的。 负相关是指两相关现象变化的方向是相反的。 二、相关关系的种类 正相关 负相关 直线相关是指在相关图上的散点近似地表现为直线形式，因此称其为直线相关关系。 曲线相关是指相关图上的散点可表现为抛物线、指数曲线、双曲线等形式，因此称其为曲线相关关系。 完全相关就是相关现象之间的关系是完全确定的关系，因而完全相关关系就是函数关系。 不相关是指两现象之间在数量上的变化上各自独立，互不影响。 不完全相关就是介于完全相关和不相关之间的一种相关关系。相关分析的对象主要是不完全相关关系。 相关系数是反映两个现象之间相关关系的方向和线性关系的密切程度的综合性指标。 一般用样本数据计算，记为r； 若用总体全部数据计算，则称为总体相关系数，记为?。 （一）相关系数定义 1、r的计算 2、对r的解释如下：(即r的特点) (1) r取值在-1到1之间； (2) r的绝对值大小，可说明现象之间相关关系的紧密程度。 -1.0 +1.0 0 -0.5 +0.5 完全负相关 无线性相关 完全正相关 负相关程度增加 r 正相关程度增加 某市1996年 — 2003年的工资性现金支出与城镇储蓄存款余额的资料，说明简单相关表和相关图的编制方法。 从表可看出，随着工资性现金支出的增加，城镇储蓄存款余额有明显的增长趋势。所以，资料表明(如图)有明显的直线相关趋势。 510 1170 2003 8 450 1050 2002 7 350 970 2001 6 280 900 2000 5 200 730 1999 4 150 620 1998 3 140 540 1997 2 120 500 1996 1 城镇储蓄存款余额(万元)y 工资性现金支出(万元)x 年份 序号 例1：简单相关表和相关图 2035300 760000 5681200 2200 6480 合计 596700 260100 1368900 510 1170 2003 8 472500 202500 1102500 450 1050 2002 7 339500 122500 940900 350 970 2001 6 252000 78400 810000 280 900 2000 5 146000 40000 532900 200 730 1999 4 93000 22500 384400 150 620 1998 3 75000 19600 291600 140 540 1997 2 60000 14400 250000 120 500 1996 1 xy y2 x2 y(万元) x(万元) 年份 序