9第九章相关与回归技巧.ppt

相关与回归分析是研究客观现象之间数量联系的重要统计方法。“回归” 起源于19世纪生物学家Galton进行的遗传学研究，他在研究子女身高与父母身高的关系时，发现子女的身高不仅受到父母身高的遗传因素影响，同时还有回归同时代人的平均身高的趋势；而统计学家Pearson则用观察数据验证了这一现象，从而产生了回归的概念。 第九章 相关与回归 第一节 相关关系的概念和种类 第二节 相关关系的判断 第三节 一元回归分析 第四节 多元线性回归分析 居民消费支出和收入的相关表 （单位：百元）相关关系比因果关系包括的范围更广泛。具有相关关系的某些现象的数量可表现为因果关系，即自变量与因变量的关系，但有时不存在明显的因果关系或互为因果关系，如人的身高和体重、商品的供求与价格等。变量间的函数关系与相关关系在一定条件下可以相互转化。当存在测量误差或随机因素的干扰时，函数关系可表现为相关关系；当我们对变量内在联系有规律性认识时，相关关系可能转化为函数关系或用函数关系来描述。 2.按相关程度划分完全相关：当一种现象的数量变化完全由另一个现象的数量变化所确定时，这两种现象间的关系为完全相关。即函数关系。不完全相关：两个现象之间的关系介于完全相关和不相关之间，称为不完全相关。不相关：当两个现象彼此互不影响，其数量变化各自独立时，称为不相关。如：股票价格的高低与气温的高低是不相关的。 三、相关分析的内容 （一）确定现象之间有无关系 （二）确定相关关系的表现形式 （三）确定相关关系的密切程度和方向第二节 相关关系的判断 第三节 一元回归分析回归是由英国著名统计学家Francis Galton在19世纪末期研究孩子及其父母的身高时提出来的。Galton发现身材高的父母，他们的孩子也高。但这些孩子平均起来并不像他们父母那样高。比较矮的父母情形也类似：他们的孩子比较矮，但这些孩子的平均身高要比他们父母的平均身高高。 Galton把这种孩子的身高向中间值靠近的趋势称之为一种回归效应，而他发展的研究两个数值变量之间数量关系的方法称为回归分析。 第四节 多元线性回归分析 三、注意事项 1.在定性分析基础上进行定量分析，是保证分析合理的必要条件。 2.尽量使用大样本。 3.进行回归预测时尽量注意条件的变化。 4.一般不要用回归方程预测自变量 5.回归系数不直接反映相关变量的关系的密切程度。 回归系数只是表示自变量和因变量之间的数量对应关系。 本章重点 一、相关关系的概念和种类 二、相关关系的判断方法，相关系数的计算 三、回归分析的概念、与相关关系的区别联系 四、一元线性回归方程的建立相关系数和估计标准误差的关系估计标准误差小，相关系数的绝对值就越大，表明现象之间相关关系越密切，如果估计标准误差的值等于0，相关系数的绝对值等于1，表明完全相关。相关系数 r 与回归系数 b 关系r和b 都能判断现象之间相关方向，而且是一致的，即当r(b)0正相关，r(b)0时，负相关，但 r 还可以判断相关程度，b 不能判断相关程度，因为回归方程是建立在显著相关关系基础上。 例：已知： 求相关系数并说明相关程度 解: 是高度相关 应用直线相关与回归的注意事项1.实际意义进行相关回归分析要有实际意义，不可把毫无关系的两个事物或现象用来作相关回归分析。例如，有人说，孩子长，公园里的小树也在长。求孩子和小树之间的相关关系就毫无意义，用孩子的身高推测小树的高度则更加荒谬。 2.注意虚假相关两个事物间能计算出相关系数，并不一定能证明事物间有内在联系，例如，有人发现，对于在校儿童，鞋的大小与阅读技能有很强的相关关系。然而，学会新词并不能使脚变大，而是涉及到第三个因素?? 年龄。当儿童长大一些，他们的阅读能力会提高而且由于长大也穿不下原来的鞋。3.利用散点图对于性质不明确的两组数据，可先做散点图，在图上看它们有无关系、关系的密切程度、是正相关还是负相关，是直线相关还是曲线相关，然后再进行相关回归分析。 4.变量范围相关分析和回归方程仅适用于样本的原始数据范围之内，出了这个范围，我们不能得出两变量的相关关系和原来的回归关系。 一、非线性回归模型 当自变量与因变量存在某种曲线相关关系时，可拟合曲线回归模型。例如： 双曲线： a＞0 b＞0 a＞0 b0 x x y y 指数曲线：y=aebx b＞0 b0 x x y y 幂函数曲线：y=axb a＞0 b＞0 x y b1 b=1 b1 曲线模型的判别方法： 理论和经验判断； 观察散点图 曲线模型的确定方法： 通常用变量代换法将曲线转换为直线。按线性模型求解参数，而后再变换为曲线模型。 例如：双曲线模型 指数曲线模型 非线性回归模型的估计 实际应用时要注意：第